torasenriwohashiru https://blog.hatena.ne.jp/torasenriwohashiru/ TorasenLab@はてな https://torasenriwohashiru.hatenadiary.org/ Python テキスト Web上のHTMLテキストには不正な(malformed)形式を持っている場合があります。 malformedなHTMLテキストにに対してはBeautifulSoupやHTMLParserなどがうまく機能しません。 例えば以下の3つのパターンはBeautifulSoupでは例外が生じます。 1. タグの閉じ>が無い <div class="invalid_start_tag" <a src="http://...">something</a> </div> 2. 閉じタグに属性がある </div class="invalid_end_tag"> 3. scriptタグ中に閉じタグがある <sc… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftorasenriwohashiru.hatenadiary.org%2Fentry%2F20110402%2F1301672215" title="不正な(malformed)HTMLテキストを修正する - TorasenLab@はてな" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2011-04-02 00:36:55 rich https://torasenriwohashiru.hatenadiary.org/entry/20110402/1301672215 1.0 100%