如何修复或例外处理此错误

Question

我正在创建一个从任何网页获取图像 url 的代码，该代码使用 python 编写，并使用 BeutifulSoup 和 httplib2。 当我运行代码时，出现下一个错误：

Look me http://movies.nytimes.com          (this line is printed by the code)
Traceback (most recent call last):
File "main.py", line 103, in <module>
visit(initialList,profundidad)
File "main.py", line 98, in visit
visit(dodo[indice], bottom -1)
File "main.py", line 94, in visit
getImages(w)
File "main.py", line 34, in getImages
iSoupList = BeautifulSoup(response, parseOnlyThese=SoupStrainer('img'))
File "/usr/local/lib/python2.6/dist-packages/BeautifulSoup.py", line 1499, in __init__
BeautifulStoneSoup.__init__(self, *args, **kwargs)
File "/usr/local/lib/python2.6/dist-packages/BeautifulSoup.py", line 1230, in __init__
self._feed(isHTML=isHTML)
File "/usr/local/lib/python2.6/dist-packages/BeautifulSoup.py", line 1263, in _feed
self.builder.feed(markup)
File "/usr/lib/python2.6/HTMLParser.py", line 108, in feed
self.goahead(0)
File "/usr/lib/python2.6/HTMLParser.py", line 148, in goahead
k = self.parse_starttag(i)
File "/usr/lib/python2.6/HTMLParser.py", line 226, in parse_starttag
endpos = self.check_for_whole_start_tag(i)
File "/usr/lib/python2.6/HTMLParser.py", line 301, in check_for_whole_start_tag
self.error("malformed start tag")
File "/usr/lib/python2.6/HTMLParser.py", line 115, in error
raise HTMLParseError(message, self.getpos())
HTMLParser.HTMLParseError: malformed start tag, at line 942, column 118

有人可以向我解释如何修复或创建错误的例外

Answer 1

您使用的是最新版本的 BeautifulSoup 吗？
这似乎是版本 3.1.x 的一个已知问题，因为它开始使用新的解析器（HTMLParser，而不是 SGMLParser），该解析器在处理格式错误的 HTML 方面表现较差。 您可以在BeautifulSoup 网站上找到更多相关信息。
作为快速解决方案，您可以简单地使用旧版本 (3.0.7a）。

Answer 2

要专门捕获该错误，请将代码更改为如下所示：

try:
    iSoupList = BeautifulSoup(response, parseOnlyThese=SoupStrainer('img'))

except HTMLParseError:
    #Do something intelligent here

以下是有关 Python try except 块的更多阅读内容：
http://docs.python.org/tutorial/errors.html

Answer 3

当我的 HTML 文档中有字符串 =& 时，我收到了该错误。 当我替换该字符串（在我的例子中为 =and）时，我不再收到该解析错误。