]> git.phdru.name Git - bookmarks_db.git/blobdiff - Robots/parse_html.py
Copy third-party modules to the source tree.
[bookmarks_db.git] / Robots / parse_html.py
index b51bd317488124d82dede34fd23c51e87d43756f..228a3ceaddff6c0fe1acc8af64a374f348c5bb27 100755 (executable)
@@ -20,8 +20,26 @@ except ImportError:
 else:
    parsers.append(parse_html_beautifulsoup.parse_html)
 
-from parse_html_htmlparser import parse_html
-parsers.append(parse_html)
+try:
+   from parse_html_lxml import parse_html
+except ImportError:
+   pass
+else:
+    parsers.append(parse_html)
+
+try:
+   from parse_html_htmlparser import parse_html
+except ImportError:
+   pass
+else:
+    parsers.append(parse_html)
+
+try:
+   import parse_html_html5
+except ImportError:
+   pass
+else:
+   parsers.append(parse_html_html5.parse_html)
 
 
 import re
@@ -54,6 +72,9 @@ def recode_entities(title, charset):
 
 
 def parse_html(filename, charset=None, log=None):
+   if not parsers:
+       return None
+
    if charset:
       try:
          codecs.lookup(charset) # In case of unknown charset...
@@ -63,8 +84,9 @@ def parse_html(filename, charset=None, log=None):
    charsets = [universal_charset, DEFAULT_CHARSET]
    if charset:
       charset = charset.lower().replace("windows-", "cp")
-      if charset not in charsets:
-         charsets.insert(0, charset)
+      if charset in charsets:
+         charsets.remove(charset)
+      charsets.insert(0, charset)
 
    for p in parsers:
       parser = None
@@ -79,6 +101,9 @@ def parse_html(filename, charset=None, log=None):
       else:
          if log: log("Parser %s.%s failed, trying next one." % (p.__module__, p.__name__))
 
+   if not parser:
+       return None
+
    converted_title = title = parser.title
    if title and (not parser.charset):
       try: