PythonでのHTMLの解析
BeautifulSoupまたはlxmlを使用できない場合、HTMLを解析するための最善策は何ですか？ SGMLlibを使用するコードをいくつか持っていますが、それは少し低レベルであり、現在は非推奨です。
ほとんどの入力はかなりクリーンであると確信していますが、少し不正な形式のHTMLに腹を立てることができると思います。
Pythonには ネイティブHTMLパーサー がありますが、Nickが提案したTidyラッパーもおそらく確かな選択になるでしょう。 Tidyは非常に一般的なライブラリです（Cで書かれていますか？）
Lxmlと他の多くのpythonモジュールをMac（OS X）にPalletを使用して簡単かつシームレスにインストールできます MacPorts公式GUI
モジュール名はpy27-lxmlです。 1、2、3のように簡単です。
おそらく µTidylib はあなたのニーズを満たしますか？
html5libは良いです：
http://code.google.com/p/html5lib/
更新：上記のリンクが壊れています。上記のサードパーティのミラーは、 https://github.com/html5lib/gcode-import からアクセスできます
htqlは不正なHTMLの処理に優れています。
http://www.xmlhack.com/read.php?item=1392http://sourceforge.net/projects/pirxx/
http://pyxml.sourceforge.net/topics/
私はpythonの経験があまりありませんが、過去に（Apache財団の）Xercesを使用していて、非常に便利であることがわかりました。 pythonの観点からではありませんが、学習曲線も悪くありません。ただし、それを検討することをお勧めします。（最初に含めた2つのリンクは、pythonはXercesへのインターフェースであり、最後のものは「python xml」での最初のgoogleヒットです）。