Cómo usar el HTML Tree Builder en Python
La construcción de árboles en Aspose.HTML FOSS para Python implementa el algoritmo estándar — modos de inserción, recuperación de errores, detección de peculiaridades y contenido extranjero — con parse_html() como punto de entrada de una sola llamada y TreeBuilder exponiendo la maquinaria. Esta guía explica la canalización y sus comportamientos, usando pip para la instalación.
Guía paso a paso
Paso 1: Instalar el paquete
git clone https://github.com/aspose-html-foss/Aspose.HTML-FOSS-for-Python.git
cd Aspose.HTML-FOSS-for-Python
pip install -e .Paso 2: Importar las funciones requeridas
from aspose_html.tree import parse_htmlPaso 3: Analizar el marcado a un árbol
parse_html() ejecuta el tokenizador y el generador de árbol juntos, devolviendo un árbol terminado; parse_fragment() aplica el algoritmo de fragmento contra un elemento de contexto. Ambos impulsan TreeBuilder.run() internamente.
Paso 4: Entender el estado de construcción
InsertionMode modela la máquina de modos del algoritmo, con StackOfOpenElements y TemplateInsertionModeStack rastreando los elementos abiertos y los modos de plantilla exactamente como describe la especificación.
Paso 5: Confiar en la recuperación de errores de los estándares
La reparación de elementos de formato mal anidados se realiza a través de run_adoption_agency_algorithm() con el seguimiento de ActiveFormattingList; el contenido de tabla mal colocado tiene padres de acogida mediante get_foster_parent_location(); los doctypes se clasifican a través de determine_quirks_mode(); los atributos SVG/MathML se ajustan mediante las funciones adjust_*_attributes().
Problemas comunes y soluciones
El marcado incorrecto produce un árbol en lugar de un error. Por diseño — el algoritmo de los estándares define la recuperación para cada caso de error.
Las etiquetas de formato aparecen duplicadas. El algoritmo de la agencia de adopción reconstruye el contexto de formato después de una anidación incorrecta; la salida coincide con el comportamiento del navegador.
El contenido de la tabla se movió fuera de su tabla. La crianza de acogida reubicó el contenido mal ubicado; corrige la anidación en el marcado fuente.
Preguntas frecuentes
¿Cuándo debería usar TreeBuilder directamente en lugar de parse_html?
Solo cuando necesites introspección del estado de construcción; parse_html() cubre el análisis normal.
¿Cómo se decide el modo quirks?
determine_quirks_mode() clasifica el documento a partir de su doctype.
¿El constructor maneja SVG y MathML?
Sí — el contenido extranjero pasa a través de los ajustadores de atributos con detección de puntos de integración de estándares.
