Отбеливатель питона: непоследовательное поведение очистки

Question

Я хотел бы использовать отбеливатель для форматирования какого-то потенциально нечистого HTML. В следующем примере в идеале отбеливатель следует удалить:

• лишние пробелы в первом открытии <p >
• атрибут в теге закрывающей ссылки </a attr="test">
• лишние пробелы в последнем закрытии </p >

Мой код выглядит так:

import bleach
html = """<p   >This <a href="book"> book </a attr="test"> will help you</p  >"""
html_cleaned = bleach.clean(html)

# html_cleaned is:
#'&lt;p  &gt;This <a href="book"> book </a> will help you&lt;/p&gt;'

Как видите, отбеливатель очень противоречив:

• <и> открытия и закрытия p теги экранированы в < а также >, Для тега ссылки этого не происходит
• Пространства в </p > удаляются, в открытии <p > они не
• Кроме того, если я добавлю атрибут к закрытию p тег, </p attr="test">, не удаляется, пока для закрытия </a attr="test"> незаконный атрибут удален.

Что здесь происходит?

Answer 1

bleach.clean ожидает необязательный tags параметр, который определяет разрешенные теги. p тег не разрешен по умолчанию и поэтому не получает санитарной обработки.

Моя проблема может быть исправлена ​​с помощью:

cleaned_doc = bleach.clean(input_doc, tags = bleach.sanitizer.ALLOWED_TAGS+["p"])