pagesift-html 0.80.2

Fast HTML parser for content extraction: zero-copy arena DOM with the HTML5 tree-building rules that matter for text.
Documentation
1
2
3
4
5
6
7
8
# html5lib 树构建用例里已知“影响正文”的差异:每行 `文件#序号<TAB>原因`。
# 由 tests/html5lib/main.rs 读取;新出现的影响正文差异不在这里时测试失败。
scripted_foster01.dat#0	需要执行脚本(document.write / DOM 操作),解析器不执行脚本
scripted_foster01.dat#1	需要执行脚本(document.write / DOM 操作),解析器不执行脚本
scripted_webkit01.dat#0	需要执行脚本(document.write / DOM 操作),解析器不执行脚本
scripted_webkit01.dat#1	需要执行脚本(document.write / DOM 操作),解析器不执行脚本
tables01.dat#17	依赖插入模式的极端嵌套:pagesift 按当前节点推断表格上下文,规范在这里仍处于 in row / in table 插入模式
tricky01.dat#7	依赖插入模式的极端嵌套:pagesift 按当前节点推断表格上下文,规范在这里仍处于 in row / in table 插入模式