python 漂白剂：清洁行为不一致
python bleach: inconsistent cleaning behaviour
我想用漂白剂格式化一些可能不干净的东西 HTML。
在以下示例中，理想情况下应去除漂白剂：
- 第一个开头的多余空格
<p >
- 结束 link 标签中的属性
</a attr="test">
- 最后关闭的多余空格
</p >
我的代码如下所示：
import bleach
html = """<p >This <a href="book"> book </a attr="test"> will help you</p >"""
html_cleaned = bleach.clean(html)
# html_cleaned is:
#'<p >This <a href="book"> book </a> will help you</p>'
如您所见，漂白剂非常不一致：
- 开始和结束
p 标签的 < 和 > 转义为 < 和 >。对于 link 标签，这不会发生
</p >中的空格被删除，开头<p >中的空格没有- 此外，如果我将属性添加到结束
p 标记 </p attr="test">，它不会被删除，而对于结束 </a attr="test">，非法属性将被删除。
这里发生了什么？
bleach.clean 需要一个可选的 tags 参数来指定允许的标签。
默认情况下不允许使用 p 标签，因此不会进行清理处理。
我的问题可以通过以下方式解决：
cleaned_doc = bleach.clean(input_doc, tags = bleach.sanitizer.ALLOWED_TAGS+["p"])
我想用漂白剂格式化一些可能不干净的东西 HTML。 在以下示例中，理想情况下应去除漂白剂：
- 第一个开头的多余空格
<p > - 结束 link 标签中的属性
</a attr="test"> - 最后关闭的多余空格
</p >
我的代码如下所示：
import bleach
html = """<p >This <a href="book"> book </a attr="test"> will help you</p >"""
html_cleaned = bleach.clean(html)
# html_cleaned is:
#'<p >This <a href="book"> book </a> will help you</p>'
如您所见，漂白剂非常不一致：
- 开始和结束
p标签的 < 和 > 转义为<和>。对于 link 标签，这不会发生 </p >中的空格被删除，开头<p >中的空格没有- 此外，如果我将属性添加到结束
p标记</p attr="test">，它不会被删除，而对于结束</a attr="test">，非法属性将被删除。
这里发生了什么？
bleach.clean 需要一个可选的 tags 参数来指定允许的标签。
默认情况下不允许使用 p 标签，因此不会进行清理处理。
我的问题可以通过以下方式解决：
cleaned_doc = bleach.clean(input_doc, tags = bleach.sanitizer.ALLOWED_TAGS+["p"])