宽松的XML python解析器：解析xml标签重叠

Question

我正在寻找错误的XML输入的友好错误（在BeautifulSoup的术语中比较宽容）python解析器。问题是标签重叠。输入示例：

<trn>choya - <i><b>a cholla cactus </i> lat. <i>Cylindropuntia</b></trn></i>

我想要得到什么以及XML兼容的结果，例如（我希望的好结果）

<trn>choya - <b><i>a cholla cactus </i> lat. <i>Cylindropuntia</i></b></trn>

带有BeautifulSoup或html.parser的{​​{1}}给了我其他东西（我不想得到的不好结果）：

html5lib

请注意<trn>choya - <i><b>a cholla cactus </b></i> lat. <i>Cylindropuntia</i></trn> 和<i>标签的顺序。如果我将<b>标记为斜体，将<i>标记为粗体，则好答案是

choya- 霍乱仙人掌 纬度。 Cylindropuntia

，坏答案是

choya- 霍乱仙人掌 。 Cylindropuntia

我也尝试过旧的<b>，但未获得必要的结果。对于新的tidyhtml找不到python接口。 你可以帮我吗

• 要找到可以完成这项工作的解析器
• 如果没有，建议一种算法或与这类算法有关的任何知识来源

谢谢！

Answer 1

The Ionic CLI will exit. Please check any output above for error details. 擅长解析标记汤，SAX html.parser.HTMLParser类具有便捷的API，可基于事件生成XML。

不是所有的位都在这里实现，尤其是不是标签的“刚度” /“权重”约束（现在我们要做的只是将标签与我们期望的正确贴合，以使嵌套正确），但基本想法似乎可行。

输出为

XMLGenerator

这是有效的XML（嵌套）。

祝你好运！

---

<trn>choya - <i><com>a cholla cactus </com> lat. <i>Cylindropuntia</i></i> native to US</trn>