HTML5Lib (Python)

Segue a especificação original HTML5 oficial WHATWG.
O analisador é projetado para lidar com todos os sabores de HTML e analisa documentos inválidos usando bem definidas regras de tratamento de erros compatíveis com o comportamento dos principais navegadores de desktop web.
A saída é palced dentro de uma estrutura de árvore.
Ele suporta saída para ElementTree, DOM e formatos de árvores lxml, bem como um formato personalizado simples.
HTML5Lib é embalado com distutils.
HTML5Lib também está disponível em:
Ruby - baixar HTML5Lib para Ruby aqui .
Python - download HTML5Lib para Python aqui .
PHP - download HTML5Lib para PHP aqui

O que é novo nesta versão:

• Parses. documentos HTML válidos e inválidos para uma árvore
• Suporte para minidom, ElementTree (incluindo cElementTree e lxml.etree), BeautifulSoup (reprovado) e formatos de saída simpletree personalizado
• DOM SAX ao conversor
• Relatórios de erros de análise
• Detecção de codificação de caracteres
• Filtragem e serialização de árvores
• HTML + CSS desinfetante
• Muitos testes de unidade