htmlparser能处理未闭合标签，因其严格遵循html5规范的容错算法：维护开放元素栈，遇块级兄弟节点时自动隐式闭合如等特殊元素，全程状态机驱动、不报错、不断流。
HTMLParser 为什么能处理未闭合标签
因为 HTMLParser 不依赖“源码是否完整”，而是按 HTML5 规范的容错算法重建 DOM 结构。它会维护一个开放元素栈，遇到块级兄弟标签（如 <div> 紧跟在 <code><p></p> 后）时，自动触发 <p></p> 的隐式闭合——这和浏览器渲染时的行为一致，不是猜测，是确定性状态机驱动。
- 它不报错也不中断，而是继续 feed 数据，适合处理用户粘贴的富文本、邮件 HTML 或爬虫抓取的残缺页面
- 对
<p>hello </p> <div>world</div>这类非法嵌套，HTMLParser会输出handle_starttag('p')→handle_endtag('p')→handle_starttag('div')，顺序严格反映解析器实际行为 - 如果你需要保留原始标签位置（比如做 diff 或高亮），不能只靠
handle_starttag/handle_endtag，得配合getpos()记录字符偏移
用 jsdom 模拟浏览器补全逻辑
当你要验证修复效果是否匹配真实浏览器行为，jsdom 比 HTMLParser 更贴近线上环境。它会执行完整的 HTML5 parsing algorithm，包括插入模式切换、格式化元素隐式闭合、以及 EOF 时的栈清空流程。
- 安装：
npm install jsdom；使用时必须传入contentType: "text/html"，否则不启用容错补全 - 关键点：调用
new JSDOM(htmlString)后，dom.window.document.body.innerHTML返回的是浏览器“实际构建出的结构”，不是原始字符串 - 例如输入
"<div><p>test"，输出是 <code>"<div><p>test</p><div class="aritcle_card flexRow artxards"> <div class="artcardd flexRow"> <a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill5806" title="html-deploy"><img src="https://img.php.cn/upload/skill/000/000/081/179066538882434.jpg" alt="html-deploy" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a> <div class="aritcle_card_info flexColumn"> <a rel="nofollow" href="/xiazai/skill5806" title="html-deploy" class="overflowclass">html-deploy</a> <p class="overflowclass">使用 htmlcode.fun 将 HTML 内容或文件部署到网页，适用于用户要求“部署到网页”“托管此 HTML”“生成此前端...的实时链接”等场景。</p> </div> <a rel="nofollow" href="/xiazai/skill5806" title="html-deploy" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a> </div> </div></div>"；但若输入"<table><div>"，<code>jsdom会把<div> 移到 <code><table> 外——这正是 Chrome Elements 面板里你看到的“内容被吞”的原因 <h3>别让 tidy-<a style="color:#f60; text-decoration:underline;" title="html" href="https://m.php.cn/zt/15763.html" target="_blank">html</a>5 自动改结构却不知情</h3> <p><code>tidy-html5确实能补闭合标签，但它补的位置取决于 DOCTYPE 和当前上下文，且默认会把<img>改成<img>。这不是 bug，是它的 XHTML 兼容模式在起作用。- 必须加
-asxhtml才启用智能补全；没这个参数，它只做基础格式化，不碰缺失闭合 - 如果项目禁止自闭合语法（如要求纯 HTML5），加
-xml参数禁用/插入，否则 CI 流水线可能因风格不一致失败 - 最危险的点：
tidy不报错，只默默改。建议搭配html-validate在 pre-commit 阶段校验，例如用规则"no-unclosed-elements"抓出它漏掉或补错的地方
真正要盯住的不是“怎么补”，而是“补完后谁还信得过”
补全只是第一步。JS 操作、CSS 选择器、SSR 渲染、无障碍读屏都依赖 DOM 树结构。一个
<div><p>text</p></div>被补成<div><p>text</p></div>看似无害，但如果 JS 写了document.querySelector('div p').parentNode === document.body，那它在补全前后结果就完全相反。最容易被忽略的是模板引擎场景：Vue SFC 里写
，而是直接抛<template><div><p>hello</p></div></template>，Vue 编译器不会帮你补ParseError；但如果你用v-html渲染这段，浏览器就会补，然后你的 CSS 类名可能突然失效——因为补全后的父级变了。 - 必须加
