浏览器不补全,而是依HTML标准8.2.5.4节栈式状态机规则动态修正结构:如HelloWorld中遇即被隐式闭合,成为子节点,导致DOM层级错乱、CSS/JS失效。

浏览器遇到未闭合标签时实际做了什么
浏览器不会补全 Hello 常见表现包括: Text 浏览器解析器只在匹配合法格式(如 典型静默行为: Jsoup 是少数会主动抛异常的解析器: 真正难处理的从来不是“报错”,而是“不报错却改了结构”——比如 ,而是按 HTML 标准第 8.2.5.4 节的栈式状态机规则动态修正结构。比如 在遇到 的子节点,而非 的后代。 → 自动插入隐式 A ,并在解析到
时终止 和
→ 会正常弹栈,但 已被提前闭合,不报错也不警告
立即闭合,后续内容挂到父级
非法字符实体(如 &xyz;)为什么没报错
、、)时才解码;其余一律视为普通文本。& 后面没有合法名称或数字,就当它是裸 & 字符处理。
&xyz; → 原样输出为 &xyz;
GG; → 遇到非十六进制字符 G 就停止解析,输出 GG;
→ 只解一层,结果是 ,不是
DOMParser().parseFromString(htmlStr, 'text/html') 同样不校验实体合法性,它返回的 Document 对象里,非法实体仍完整保留在 textContent 中。Python 的 html.parser 和 lxml 怎么应对损坏 HTML
html.parser.HTMLParser 默认开启 convert_charrefs=True,但它只转换合法实体;&xyz; 会被当作普通文本传入 handle_data(),不触发任何错误回调。你得自己在 handle_data() 里用正则匹配 & 开头的串,再调 html.unescape() 并捕获 ValueError 来识别非法项。lxml.html.fromstring() 在遇到非法 Unicode 字符(如截断的 UTF-8 字节、孤立代理项)时会直接抛 UnicodeDecodeError 或 ParserError —— 这不是 HTML 语法问题,而是底层 libxml2 解码失败。它不接受 recover=True 来修复这类错误,必须在调用前确保输入是 bytes 并指定编码,或清洗掉非法码点。Jsoup 和 htmlparser2 的错误反馈机制差异
MalformedHTMLException 表示标签未闭合或属性格式错误,HttpStatusException 表示 HTTP 状态码异常。你可以捕获这些异常并做清理重试。htmlparser2 则依赖事件回调:启用 onerror 回调能捕获部分解析中断(如乱码导致 tokenizer 失步),但对大多数容错场景(如嵌套错误)仍静默处理。它真正有用的调试方式是设 decodeEntities: false 先看原始文本流,再逐步启用解码,避免实体干扰定位。
querySelector 查不到目标节点。这种问题只能靠开发期静态检查(HTMLHint)或运行时反推 DOM 状态来暴露。
前端入门到VUE实战笔记:立即使用
在学习笔记中,你将探索 前端 的入门与实战技巧!











