Processing non-ascii tags and attributes in HTMLParser
Offen
@serhiy-storchaka arbeitet bereits daran.
Seit 19.11.2025.
3.13
3.14
3.15
stdlib
type-bug
- Vorherrschende Sprache
- Python
- Sterne
- 77.2k
- Forks
- 35.9k
- PR-Merge-Kennzahlen
- PR-Kennzahlen ausstehend
Beschreibung
Bug report
html.parser.HTMLParser convert names of tags and attributes to lower case. But the HTML5 specification only prescripts converting ASCII upper alpha characters to lower case.
- https://html.spec.whatwg.org/multipage/parsing.html#tag-name-state
- https://html.spec.whatwg.org/multipage/parsing.html#attribute-name-state
There are some non-ASCII characters which are converted to ASCII lowercase characters (e.g. "ß" -> "ss", "K" (U+212A) -> "k", "ſ" -> "s"). They will be parsed differently by HTMLParser and any other parser or browser.
Linked PRs
- gh-141758
Beitragsleitfaden
Erste Schritte
- Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
- Forke das Repository und arbeite in einem Branch.
- Öffne einen Pull Request, der die Issue-Nummer nennt.
Bewertung
Dieses Issue wurde noch nicht bewertet.