我用漂亮的汤刮了一张带有桌子的网页。对于大多数页面来说，它可以很好地抓取网页，但在某些页面上，糟糕的HTML标签会使响应变得混乱。文本应该有一个链接（我不需要链接），但它没有，编码它的人确实留下了一个流浪</a>而没有打开标签。这导致请求和urllib2的响应提前被切断。
我正在讨论的HTML示例：
<tr><td><small>03 Feb 2015 3:21:26 AM</small></td><td >Text with no link</a></td>
</a>标记在响应中切断了表但没有显示，是否有任何方法可以请求页面的HTML并仅忽略所有</a>标记（因为我需要）其他标签）？或者忽略link</a>形式的所有字符串（因为每次出现都在特定的字符串上）。
我想我可以通过获取原始HTML来实现，但如果我使用urllib或请求他们不会给我原始HTML，他们会因为标记而切断表格并且不会显示流浪标签导致它。
解决：原始HTML可以使用此处显示的方法How to print raw html string using urllib3？获得，响应通常打印原始html但在这种情况下它不是由于错误标记，但这显示原始HTML即使坏标签。