Hoe de HTML Tree Builder te gebruiken in Python

Boomconstructie in Aspose.HTML FOSS voor Python implementeert het standaardalgoritme — invoegmodi, foutherstel, quirks-detectie en buitenlandse content — met parse_html() als het één-aanroep ingangspunt en TreeBuilder die de mechaniek blootlegt. Deze gids legt de pijplijn en zijn gedrag uit, met gebruik van pip voor installatie.

Stapsgewijze handleiding

Stap 1: Installeer het pakket

git clone https://github.com/aspose-html-foss/Aspose.HTML-FOSS-for-Python.git
cd Aspose.HTML-FOSS-for-Python
pip install -e .

Stap 2: Importeer de vereiste functies

from aspose_html.tree import parse_html

Stap 3: Parse markup naar een boom

parse_html() voert de tokenizer en boomopbouwer samen uit, en retourneert een voltooide boom; parse_fragment() past het fragmentalgoritme toe tegen een context-element. Beide sturen TreeBuilder.run() intern aan.

Stap 4: Begrijp de constructietoestand

InsertionMode modelleert de modusmachine van het algoritme, met StackOfOpenElements en TemplateInsertionModeStack die open elementen en sjabloonmodi volgen precies zoals de specificatie beschrijft.

Stap 5: Vertrouw op foutherstel volgens de standaarden

Misnested opmaak-elementen repareren via run_adoption_agency_algorithm() met ActiveFormattingList tracking; verkeerd geplaatste tabelinhoud foster-parents via get_foster_parent_location(); doctypes classificeren via determine_quirks_mode(); SVG/MathML attributen aanpassen via de adjust_*_attributes() functies.

Veelvoorkomende problemen en oplossingen

Slechte opmaak levert een boom op in plaats van een fout. Opzettelijk — het standaardalgoritme definieert herstel voor elk foutscenario.

Opmaak-tags verschijnen dubbel. Het adoptiebureau-algoritme reconstrueert de opmaakcontext na een misnesting; de output komt overeen met het gedrag van browsers.

Tabelinhoud is buiten de tabel verplaatst. Pleegouderschap heeft verkeerd geplaatste inhoud verplaatst; corrigeer de nesting in de bronopmaak.

Veelgestelde vragen

Wanneer moet ik TreeBuilder direct gebruiken in plaats van parse_html?

Alleen wanneer je introspectie van de constructietoestand nodig hebt; parse_html() dekt normaal parseren.

Hoe wordt quirks-mode bepaald?

determine_quirks_mode() classificeert het document op basis van zijn doctype.

Ondersteunt de builder SVG en MathML?

Ja — buitenlandse inhoud routeert via de attribuutaanpassers met standaardenintegratie-puntdetectie.