在数据采集时，处理不规范的HTML页面是件令人头疼的事。因为不规范的HTML页面往往会引起xpath解析失败，造成得不到正确的数据。
了解Firebug的人都知道，它的HTML视图下有一个巧妙的功能，能够自动修复不规范的HTML，以规范的形式展现。
例如，如下的一个不规范的HTML页面：
<table>
<tr>
<td>name
<td>age
<tr>
<td>redice
<td>25
</table>
我们看一下它在Firebug下的显示内容：
有没有能实现类似Firebug这种规范化HTML的Python库呢？
有。经过查找、测试，最终发现PyTidyLib库可以很好地实现这个功能。
下面是PyTidyLib库的一个测试：
>>> html = open('c:/html_invalid.html').read()
>>> print html
<table>
<tr>
<td>name
<td>age
<tr>
<td>redice
<td>25
</table>
>>> from tidylib import tidy_document
>>> document, errors = tidy_document(html)
>>> print document
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title></title>
</head>
<body>
<table>
<tr>
<td>
name
</td>
<td>
age
</td>
</tr>
<tr>
<td>
redice
</td>
<td>
25
</td>
</tr>
</table>
</body>
</html>
有时间再测试一下这个库：http://www.egenix.com/products/python/mxExperimental/mxTidy/
呵呵，谢谢
VaTG790i.最好的<a href=http://www.kyfei.com>网站推广软件</a>,
非常好
....................
；ui；普i；uighur；ui；ui；个
在unix网络编程中看到了关于TCP/IP的一些内容，我感觉还是写的不够。正在下载中，一定
下载地址呢