如何在Python脚本中离线实现HTML5文件验证？

方法1：直接调用html5validator核心模块 #

html5validator本质封装了Nu Html Checker（vnu.jar），你可以跳过命令行，直接在Python脚本里调用它的核心类实现离线验证：

from html5validator.validator import Validator

# 初始化验证器，开启离线模式
validator = Validator(
    files=["path/to/your/target.html"],
    offline=True,
    format="html",  指定验证HTML5格式
    ignore=[]  # 可选：添加需要忽略的错误码，比如["E001"]
)

# 执行验证并获取结果
validation_results = validator.validate()

# 处理验证输出
if validation_results:
    print("发现验证错误：")
    for err in validation_results:
        print(f"行 {err.line}, 列 {err.col}: {err.message}")
else:
    print("HTML文件验证通过")

使用前需通过pip install html5validator安装包，首次运行会自动下载vnu.jar依赖（仅需一次联网，后续可完全离线使用）。

方法2：直接调用Nu Html Checker的Java包 #

若不想依赖Python封装层，可直接在Python里调用vnu.jar（需本地安装Java环境）：

import subprocess

# 本地vnu.jar路径与目标HTML文件路径
vnu_jar_path = "path/to/vnu.jar"
target_html = "path/to/your/target.html"

# 构造离线验证命令
cmd = [
    "java", "-jar", vnu_jar_path,
    "--offline",
    "--format", "text",
    target_html
]

# 执行命令并捕获输出
result = subprocess.run(cmd, capture_output=True, text=True)

if result.returncode != 0:
    print("验证错误：")
    print(result.stderr)
else:
    print("HTML文件验证通过")

你可以下载vnu.jar到本地（仅首次下载需联网），之后即可离线运行。

方法3：lxml轻量结构验证 #

如果仅需检查基础HTML结构合法性（如标签闭合、嵌套错误），无需完整HTML5规范校验，可使用lxml的严格解析器：

from lxml import html

try:
    # 开启严格模式解析HTML文件
    tree = html.parse("path/to/your/target.html", parser=html.HTMLParser(strict=True))
    print("HTML结构基本合法")
except Exception as e:
    print(f"结构错误：{str(e)}")

注意：该方法仅覆盖基础结构问题，无法满足完整HTML5合规性验证需求。

内容的提问来源于stack exchange，提问作者Avila