HTML5Lib (Python)

Het volgt de oorspronkelijke WHATWG officiële HTML5-specificatie.
Het parser is ontworpen om alle smaken van HTML behandelen en ontleedt ongeldige documenten met behulp van goed gedefinieerde foutafhandeling regels verenigbaar zijn met het gedrag van de belangrijkste desktop webbrowsers.
De uitgang wordt palced in een boomstructuur.
Het ondersteunt output naar ElementTree, DOM en LXML boom formaten evenals een eenvoudige aangepaste indeling.
HTML5Lib is verpakt met distutils.
HTML5Lib is ook beschikbaar in:
Ruby - downloaden HTML5Lib voor Ruby hier .
Python - downloaden HTML5Lib voor Python hier .
PHP - downloaden HTML5Lib voor PHP hier

Wat is nieuw in deze release:

• Ontleedt. geldige en ongeldige HTML-documenten aan een boom
• Ondersteuning voor minidom, ElementTree (inclusief celementtree en lxml.etree), beautifulsoup (verouderd) en aangepaste simpletree output formaten
• DOM om SAX converter
• Rapporten ontleden fouten
• Tekencodering detectie
• Filtering en Serializing van bomen
• HTML + CSS ontsmettingsmiddel
• Veel unit tests