8.7. 給屬性值加引號

在 comp.lang.python 上的一個常見問題是 “我有一些 HTML 文檔，屬性值沒有用引號括起來，并且我想將它們全部括起來，我怎么才能實現它呢？” ^[7] (一般這種事情的出現是由于一個項目經理加入到一個大的項目中來，而他又抱著 HTML 是一種標記語言的教條，要求所有的頁面必須能夠通過 HTML 校驗器的驗證。而屬性值沒有被引號括起來是一種常見的對 HTML 規范的違反。) 不管什么原因，未括起來的屬性值通過將 HTML 送進 BaseHTMLProcessor 可以容易地修復。

BaseHTMLProcessor 消費 (consume) HTML (因為它是從 SGMLParser 派生來的) 并生成等價的 HTML。但是這個 HTML 輸出與輸入的并不一樣。標記和屬性名最終會轉化為小寫字母，即使它們可能以大寫字母開始或是大小寫的混合形式。屬性值將被雙引號引起來，即使它們原來可能是用單引號括起來的或根本沒有括起來。這就是最后我們可以受益的邊際效應。

例 8.16. 給屬性值加引號

>>> htmlSource = """        
...     <html>
...     <head>
...     <title>Test page</title>
...     </head>
...     <body>
...     <ul>
...     <li><a href=index.html>Home</a></li>
...     <li><a href=toc.html>Table of contents</a></li>
...     <li><a href=history.html>Revision history</a></li>
...     </body>
...     </html>
...     """
>>> from BaseHTMLProcessor import BaseHTMLProcessor
>>> parser = BaseHTMLProcessor()
>>> parser.feed(htmlSource) 
>>> print parser.output()   
<html>
<head>
<title>Test page</title>
</head>
<body>
<ul>
<li><a href="index.html">Home</a></li>
<li><a href="toc.html">Table of contents</a></li>
<li><a href="history.html">Revision history</a></li>
</body>
</html>

	請注意，在 `<a>` 標記中的 `href` 屬性值沒有被適當地括起來 (還要注意，除了文檔字符串之外，我們還將三重引號用到了 `doc string` 之外的其它地方，并且是不會少于直接在 IDE 中的使用。它們非常有用。)
	裝填分析器。
	使用定義在 `BaseHTMLProcessor` 中的 `output` 函數，我們得到單個字符串的輸出，并且屬性值被完全括起來了。讓我們想一下這里實際上發生了多少事：`SGMLParser` 分析整個 HTML 文檔，將其分解為一片片的標記、引用、數據等等。`BaseHTMLProcessor` 使用這些元素來重新構造 HTML 的片段 (如果您想查看的話它們仍然保存在 `parser.pieces` 中) 。最后，我們調用 `parser.output`，它將所有的 HTML 片段連接成一個字符串。

Footnotes

^[7]好吧，其實并不是那么普通的一個問題。在那不都是問 “我應該用何種編輯器來寫 Python 代碼？” (回答：Emacs) 或 “Python 比 Perl 是好還是壞？” (回答：“Perl 比 Python 差，因為人們想讓它差的。” ――Larry Wall，1998 年 10 月 14 日) 但是關于 HTML 處理的問題，或者這種提法或者另一種提法，大約一個月就要出現一次，在這些問題之中，這個問題是最常見的一個。

深入 Python :Dive Into Python 中文版