BeautifulSoupがタグのように見えるが、そうではない自己閉鎖のものを防ぐ方法を教えてください。

Question

私はBeautifulSoupを使用して、任意のテキストセットからすべてのHTMLタグ（aのような事前承認タグのセットを除く）をエスケープします。しかし、実際の有効なHTMLタグであればタグをエスケープしたいだけです。何かがタグのように見えますが、そうでない場合は、HTMLを追加して閉じてしまいます。私は望みません。

例：誰かがテキスト<integer>に入った場合は、私のコードは<integer></integer>だけではなく<integer>

を吐き終わるここのコードです（valueは、HTML文字列であるとVALID_TAGSが許容できるタグ名のリストだけです）。

soup = BeautifulSoup.BeautifulSoup(
    value, convertEntities=BeautifulSoup.BeautifulSoup.HTML_ENTITIES) 
# Loop through all the tags. If it is invalid, escape the characters. 
for tag in soup.findAll(): 
    if tag.name not in VALID_TAGS: 
    tag.replaceWith(cgi.escape(str(tag))) 
return soup.renderContents() 

ありがとうございます。

Answer 1

this answerに基づくhtml5libを出発点としてこれを考え出しました。助けたすべての人に

p = html5lib.HTMLParser(tokenizer=sanitizer.HTMLSanitizer, tree=treebuilders.getTreeBuilder("dom")) 
dom_tree = p.parseFragment(value) 
walker = treewalkers.getTreeWalker("dom") 
stream = walker(dom_tree) 
s = serializer.htmlserializer.HTMLSerializer(quote_attr_values=True) 
return s.render(stream) 

ありがとう：ここではそれは私が説明<integer>場合を適切に作品を除いて、上記で開始BeautifulSoupコードと同じことをして、私が終わったかのバージョンがあります。

Answer 2

あなたは間違っています（tm）。 BeatifulSoupはそのように使用するつもりはありません。 これを代わりに見てみましょう：http://code.activestate.com/recipes/52281-strip-tags-and-javascript-from-html-page-leaving-o/ このレシピは無効なタグを削除し、それらを保持したいがエスケープしたように聞こえます。かなり簡単に修正する必要があります。