8.7. 为属性值加引号 - 《Dive into Python》中文版

8.7. 为属性值加引号

comp.lang.python 上的一个常见问题是“我有一堆没有为属性值加引号的 HTML 文档，我想为它们全部正确地加上引号。我该怎么做？”^[4] （这通常是由项目经理发现 HTML-是一种标准的宗教加入了一个大型项目，并宣称所有页面都必须通过 HTML 验证器验证而引发的。未加引号的属性值是违反 HTML 标准的常见行为。）无论出于何种原因，未加引号的属性值都可以通过将 HTML 输入 BaseHTMLProcessor 来轻松修复。

BaseHTMLProcessor 会解析 HTML（因为它继承自 SGMLParser）并生成等效的 HTML，但输出的 HTML 与输入并不完全相同。标签和属性名称最终将变为小写，即使它们最初是大写或混合大小写，并且属性值将用双引号括起来，即使它们最初是用单引号或根本没有引号括起来。您可以利用这最后一个副作用。

示例 8.16. 为属性值加引号

>>> htmlSource = """        
...     <html>
...     <head>
...     <title>Test page</title>
...     </head>
...     <body>
...     <ul>
...     <li><a href=index.html>Home</a></li>
...     <li><a href=toc.html>Table of contents</a></li>
...     <li><a href=history.html>Revision history</a></li>
...     </body>
...     </html>
...     """
>>> from BaseHTMLProcessor import BaseHTMLProcessor
>>> parser = BaseHTMLProcessor()
>>> parser.feed(htmlSource) 
>>> print parser.output()   
<html>
<head>
<title>Test page</title>
</head>
<body>
<ul>
<li><a href="index.html">Home</a></li>
<li><a href="toc.html">Table of contents</a></li>
<li><a href="history.html">Revision history</a></li>
</body>
</html>

	请注意，`<a>` 标签中 `href` 属性的属性值没有正确加引号。（另请注意，您正在将三引号用于 `文档字符串` 以外的内容。而且直接在 IDE 中使用。它们非常有用。）
	将代码输入解析器。
	使用 `BaseHTMLProcessor` 中定义的 `output` 函数，您可以获得作为单个字符串的输出，并带有加引号的属性值。虽然这看起来可能有点虎头蛇尾，但想想这里实际发生了什么：`SGMLParser` 解析了整个 HTML 文档，将其分解为标签、引用、数据等等；`BaseHTMLProcessor` 使用这些元素来重建 HTML 片段（如果您想查看它们，它们仍然存储在 `parser.pieces` 中）；最后，您调用了 `parser.output`，它将所有 HTML 片段连接成一个字符串。

脚注

^[4]好吧，这并不是一个那么常见的问题。它不像“我应该使用什么编辑器来编写 Python 代码？”（答案：Emacs）或“Python 比 Perl 好还是差？”（答案：“Perl 比 Python 差，因为人们希望它更差。 ”-Larry Wall，1998 年 10 月 14 日）那么常见。但关于 HTML 处理的问题大约每个月都会以一种或另一种形式出现，而在这些问题中，这是一个很受欢迎的问题。