HTMLタグの検証

HTMLタグを検証したいのですが、有効なHTMLかどうかはわかりません。だから私はコードを試してみました。HTMLタグの検証

def must_have_proper_htmltag(self,filename): 
     """ 

     :param filename: 
     :return: 
     """ 
     print(filename) 
     return bool(BeautifulSoup(filename, 'html.parser').find()) 

     '''Beautiful soup is library function to pull HTML or XML 
      html.parser is for choosing html doc and find() for 
      checking occuranc''' 
`htmltags='<html><head><title>Test</title></head>''<body><h1>Parse me!</h1> 
</body></html>' 
nohtmltag = '<html><head><title>Test</title></head>''<body><h1>Parse me!' 
print('html checkers:-',qc.must_have_proper_htmltag(htmltag)) 
print('html checkers:-',qc.must_have_proper_htmltag(nohtmltag))

HTMLタグやnot..itがあるかどうか、この機能チェックは、HTMLタグが私の質問は、私はHTMLタグを検証することができ、私は出力そのHTMLたい方法です権利であるかどうかを検証しませありません。タグ1は真です他の1つは偽です

出典

2017-12-27 Arpan Ghimire

You can validate it using w3c validator 
from py_w3c.validators.html.validator import HTMLValidator 

def must_have_proper_htmltag(self,filename): 
    """ 

    :param filename: 
    :return: 
    """ 
    print(filename) 
    html_validator = HTMLValidator() 
    html_validator.validate_fragment(filename) 
    if not html_validator.errors: 
     '''Where there is no error it return empty list''' 
     return True 
    else: 
     return False 

print('html checkers:-',qc.must_have_proper_htmltag('<!DOCTYPE html><html> 
<head><title>Test</title></head>''<body><h1>Parse me!</h1></body></html>'))

出典

2017-12-28 11:19:39 Awesome

あなたの要件に完全に一致するわけではありませんが、他の人がすでに行った作業を活用する方が簡単かもしれません。たとえば：

それはあなたが後にしているものを明らかにしている、単一のタグのためではなく、HTMLの全体が正しいとチェックしません。

おそらくthis approach同様にあなたを助けるかもしれない：

import HTMLParser 
import urllib 
import sys 
import urlparse 

################################################## 
# config 

base_url = 'http://foo.com/bill_reid/' 
depth = 100 

w3c_validator = 'http://validator.w3.org/' 

################################################## 
# classes and functions 

# HTML parser class 
class parseLinks(HTMLParser.HTMLParser): 
    def handle_starttag(self, tag, attrs): 
     if tag == 'a': 
      for name,value in attrs: 
       if name == 'href': 
        url = url_normalize(value) 
        if url != "" and not(l.has_key(url)): 
         l[url] = True; 

# HTML parsing function (use the class) 
def parse_links(url): 
    try: 
     lParser = parseLinks() 
     lParser.feed(urllib.urlopen(url).read()) 
     lParser.close() 
    except: 
     pass 

# clean/normalize/reject url 
def url_normalize(url): 
    url= url.strip() 

    # check it's not an email address 
    if url.startswith('mailto:'): 
     return "" 

    # remove any anchor 
    url = url.partition('#')[0] 

    # check it's not an outside-of-the-tree link 
    url = urlparse.urljoin(current_url, url) 
    if not(url.startswith(base_url)): 
     return "" 

    # check it's an HTML page 
    if urllib.urlopen(url).info().gettype() != 'text/html': 
     return "" 

    return url 

# W3C validation 
def url_w3c_validate(url): 
    return urllib.urlopen(w3c_validator + 'check?uri=' + url).info().getheader('x-w3c-validator-status') == 'Valid' 

################################################## 
# main 
################################################## 
l = {base_url: True} 
l_error = [] 
n = 0 
for i in range(depth): 
    for url in l.copy(): 
     if l[url]: 
      n += 1 
      current_url = url 
      print n, 
      print "-", 
      print current_url, 

      print " parsing...", 
      parse_links(url) 
      print "done -", 

      print "validating...", 
      is_valid = url_w3c_validate(url) 
      print "done ->", 
      if is_valid: 
       print "Valid" 
      else: 
       l_error.append(url) 
       print "Invalid" 

      l[url] = False 

#report 
print """ 
------------------------------------- 
URLs parsed: %d 
URLS with invalid HTML: %d""" % (len(l), len(l_error)) 

for url in l_error: 
    print url

出典

2017-12-27 10:04:31 herrbischoff

答えて

関連する問題