如何调试html5lib.html5parser.ParseError:属性值后出现意外字符？

• 定位错误范围：先查看错误栈中的行号或偏移量信息。如果没有明确位置，用二分法逐步缩小解析范围：把HTML字符串分成前后两半，分别尝试解析，确定哪一半有问题，重复这个过程直到定位到出错的小片段。
• 查看出错位置上下文：如果能获取到错误的偏移量，提取该位置前后50-100个字符的内容直接检查，比如执行print(html_str[offset-50:offset+50])，重点看是否有未转义的引号、不完整的属性定义（比如属性值没闭合）、奇怪的特殊字符。
• 对比浏览器渲染的HTML：把请求返回的原始HTML和浏览器开发者工具中看到的HTML做对比。浏览器会自动修复很多语法错误，但html5lib的解析更严格，差异处往往就是问题所在。
• 换用容错性更高的解析器：临时切换到lxml解析器（比如BeautifulSoup(html_str, 'lxml')），如果能成功解析，再用它遍历所有标签，检查属性值里的异常内容——比如属性值中包含未转义的双引号、换行符或者等号。
• 简化HTML结构：先移除所有注释、<script>和<style>标签，再尝试解析。如果能正常解析，再逐步加回这些内容，定位到触发错误的模块。
• 检查不可见字符：如果怀疑有控制字符等不可见内容，把HTML转成十六进制格式查看：print(html_str.encode('utf-8').hex())，非预期的字节（比如0x00-0x1F范围内的控制字符）很容易被发现。
• 针对性转义特殊字符：除了&，还要检查属性值中的双引号、单引号、小于号等。比如如果属性用双引号包裹，属性值里的双引号要转义成"；用单引号包裹的话，单引号转义成'。

内容的提问来源于stack exchange，提问作者Pandyy21