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)