HTMLParser.HTMLParseError: junk characters in start tag处理

利用HTMLParser解析 带有中文属性的标签，例如："<DIV id=topinfomsg><FONT style="FONT-WEIGHT: normal; LINE-HEIGHT: normal; FONT-STYLE: normal; FONT-VARIANT: normal" face=新宋体 color=#ff0000>提醒您：</FONT>要求您先汇款的行为可能涉嫌欺诈，建议您尽量选择当面交易。</DIV>"

会出现如下错误：

 

 

raise HTMLParseError(message, self.getpos())

HTMLParser.HTMLParseError: junk characters in start tag: u'/u5468/u6da6/u53d1 src="/html"/>', at line 1, column 1

 

是因为face=新宋体 没有按规则来，应该是face="新宋体"才对.

 

所以要考试中文的问题，所以我一般把数据取出来，然后就用正则把它过滤了，现在就行了

detail_data=re.sub('face=[^/x00-/xff]{2,5}', '', detail_data)