python中的HTML标记更正

Question

有没有简单的方法来使用python纠正错误关闭的HTML标记？例如，我有：

<p><b>blabla</p></b>

并希望将其更改为：

<p><b>blabla</b></p>

Answer 1

您可以使用pytidylib。

Answer 2

你有什么尝试？例如。谷歌：“python tidy html”？无论如何，请看这篇文章：

• http://effbot.org/zone/element-tidylib.htm
• http://www.xml.com/pub/a/2004/09/08/pyxml.html

如果你想在没有外部库的情况下这样做，你仍然可以通过一些正则表达式替换（例如将每个</p>[^<]*?</b>（启用re.DOTALL）替换为</b></p>，但是 this is not the recommended way to modify/parse HTML。