Ignore:
Timestamp:
Mar 19, 2014, 11:31:01 PM (11 years ago)
Author:
dmik
Message:

python: Merge vendor 2.7.6 to trunk.

Location:
python/trunk
Files:
2 edited

Legend:

Unmodified
Added
Removed

  • python/trunk

  • python/trunk/Lib/test/test_htmlparser.py

    r2 r391  
    115115text
    116116“
    117 <!--comment2a-- --comment2b--><!>
     117<!--comment2a-- --comment2b-->
    118118</Html>
    119119""", [
    … …  
    143143            ])
    144144
    145     def test_doctype_decl(self):
    146         inside = """\
    147 DOCTYPE html [
    148   <!ELEMENT html - O EMPTY>
    149   <!ATTLIST html
    150       version CDATA #IMPLIED
    151       profile CDATA 'DublinCore'>
    152   <!NOTATION datatype SYSTEM 'http://xml.python.org/notations/python-module'>
    153   <!ENTITY myEntity 'internal parsed entity'>
    154   <!ENTITY anEntity SYSTEM 'http://xml.python.org/entities/something.xml'>
    155   <!ENTITY % paramEntity 'name|name|name'>
    156   %paramEntity;
    157   <!-- comment -->
    158 ]"""
    159         self._run_check("<!%s>" % inside, [
    160             ("decl", inside),
    161             ])
    162 
    163145    def test_bad_nesting(self):
    164146        # Strangely, this *is* supposed to test that overlapping
    … …  
    182164            ])
    183165
    184     def test_attr_syntax(self):
    185         output = [
    186           ("starttag", "a", [("b", "v"), ("c", "v"), ("d", "v"), ("e", None)])
    187           ]
    188         self._run_check("""<a b='v' c="v" d=v e>""", output)
    189         self._run_check("""<a  b = 'v' c = "v" d = v e>""", output)
    190         self._run_check("""<a\nb\n=\n'v'\nc\n=\n"v"\nd\n=\nv\ne>""", output)
    191         self._run_check("""<a\tb\t=\t'v'\tc\t=\t"v"\td\t=\tv\te>""", output)
    192 
    193     def test_attr_values(self):
    194         self._run_check("""<a b='xxx\n\txxx' c="yyy\t\nyyy" d='\txyz\n'>""",
    195                         [("starttag", "a", [("b", "xxx\n\txxx"),
    196                                             ("c", "yyy\t\nyyy"),
    197                                             ("d", "\txyz\n")])
    198                          ])
    199         self._run_check("""<a b='' c="">""", [
    200             ("starttag", "a", [("b", ""), ("c", "")]),
    201             ])
    202         # Regression test for SF patch #669683.
    203         self._run_check("<e a=rgb(1,2,3)>", [
    204             ("starttag", "e", [("a", "rgb(1,2,3)")]),
    205             ])
    206         # Regression test for SF bug #921657.
    207         self._run_check("<a href=mailto:xyz@example.com>", [
    208             ("starttag", "a", [("href", "mailto:xyz@example.com")]),
    209             ])
    210 
    211     def test_attr_entity_replacement(self):
    212         self._run_check("""<a b='&amp;&gt;&lt;&quot;&apos;'>""", [
    213             ("starttag", "a", [("b", "&><\"'")]),
    214             ])
    215 
    216     def test_attr_funky_names(self):
    217         self._run_check("""<a a.b='v' c:d=v e-f=v>""", [
    218             ("starttag", "a", [("a.b", "v"), ("c:d", "v"), ("e-f", "v")]),
    219             ])
    220 
    221166    def test_illegal_declarations(self):
    222         self._parse_error('<!spacer type="block" height="25">')
     167        self._run_check('<!spacer type="block" height="25">',
     168                        [('comment', 'spacer type="block" height="25"')])
    223169
    224170    def test_starttag_end_boundary(self):
    … …  
    257203
    258204    def test_starttag_junk_chars(self):
    259         self._parse_error("</>")
    260         self._parse_error("</$>")
    261         self._parse_error("</")
    262         self._parse_error("</a")
    263         self._parse_error("<a<a>")
    264         self._parse_error("</a<a>")
    265         self._parse_error("<!")
    266         self._parse_error("<a $>")
    267         self._parse_error("<a")
    268         self._parse_error("<a foo='bar'")
    269         self._parse_error("<a foo='bar")
    270         self._parse_error("<a foo='>'")
    271         self._parse_error("<a foo='>")
    272         self._parse_error("<a foo=>")
     205        self._run_check("</>", [])
     206        self._run_check("</$>", [('comment', '$')])
     207        self._run_check("</", [('data', '</')])
     208        self._run_check("</a", [('data', '</a')])
     209        # XXX this might be wrong
     210        self._run_check("<a<a>", [('data', '<a'), ('starttag', 'a', [])])
     211        self._run_check("</a<a>", [('endtag', 'a<a')])
     212        self._run_check("<!", [('data', '<!')])
     213        self._run_check("<a", [('data', '<a')])
     214        self._run_check("<a foo='bar'", [('data', "<a foo='bar'")])
     215        self._run_check("<a foo='bar", [('data', "<a foo='bar")])
     216        self._run_check("<a foo='>'", [('data', "<a foo='>'")])
     217        self._run_check("<a foo='>", [('data', "<a foo='>")])
     218
     219    def test_valid_doctypes(self):
     220        # from http://www.w3.org/QA/2002/04/valid-dtd-list.html
     221        dtds = ['HTML',  # HTML5 doctype
     222                ('HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" '
     223                 '"http://www.w3.org/TR/html4/strict.dtd"'),
     224                ('HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" '
     225                 '"http://www.w3.org/TR/html4/loose.dtd"'),
     226                ('html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" '
     227                 '"http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"'),
     228                ('html PUBLIC "-//W3C//DTD XHTML 1.0 Frameset//EN" '
     229                 '"http://www.w3.org/TR/xhtml1/DTD/xhtml1-frameset.dtd"'),
     230                ('math PUBLIC "-//W3C//DTD MathML 2.0//EN" '
     231                 '"http://www.w3.org/Math/DTD/mathml2/mathml2.dtd"'),
     232                ('html PUBLIC "-//W3C//DTD '
     233                 'XHTML 1.1 plus MathML 2.0 plus SVG 1.1//EN" '
     234                 '"http://www.w3.org/2002/04/xhtml-math-svg/xhtml-math-svg.dtd"'),
     235                ('svg PUBLIC "-//W3C//DTD SVG 1.1//EN" '
     236                 '"http://www.w3.org/Graphics/SVG/1.1/DTD/svg11.dtd"'),
     237                'html PUBLIC "-//IETF//DTD HTML 2.0//EN"',
     238                'html PUBLIC "-//W3C//DTD HTML 3.2 Final//EN"']
     239        for dtd in dtds:
     240            self._run_check("<!DOCTYPE %s>" % dtd,
     241                            [('decl', 'DOCTYPE ' + dtd)])
     242
     243    def test_slashes_in_starttag(self):
     244        self._run_check('<a foo="var"/>', [('startendtag', 'a', [('foo', 'var')])])
     245        html = ('<img width=902 height=250px '
     246                'src="/sites/default/files/images/homepage/foo.jpg" '
     247                '/*what am I doing here*/ />')
     248        expected = [(
     249            'startendtag', 'img',
     250            [('width', '902'), ('height', '250px'),
     251             ('src', '/sites/default/files/images/homepage/foo.jpg'),
     252             ('*what', None), ('am', None), ('i', None),
     253             ('doing', None), ('here*', None)]
     254        )]
     255        self._run_check(html, expected)
     256        html = ('<a / /foo/ / /=/ / /bar/ / />'
     257                '<a / /foo/ / /=/ / /bar/ / >')
     258        expected = [
     259            ('startendtag', 'a', [('foo', None), ('=', None), ('bar', None)]),
     260            ('starttag', 'a', [('foo', None), ('=', None), ('bar', None)])
     261        ]
     262        self._run_check(html, expected)
     263        #see issue #14538
     264        html = ('<meta><meta / ><meta // ><meta / / >'
     265                '<meta/><meta /><meta //><meta//>')
     266        expected = [
     267            ('starttag', 'meta', []), ('starttag', 'meta', []),
     268            ('starttag', 'meta', []), ('starttag', 'meta', []),
     269            ('startendtag', 'meta', []), ('startendtag', 'meta', []),
     270            ('startendtag', 'meta', []), ('startendtag', 'meta', []),
     271        ]
     272        self._run_check(html, expected)
    273273
    274274    def test_declaration_junk_chars(self):
    275         self._parse_error("<!DOCTYPE foo $ >")
     275        self._run_check("<!DOCTYPE foo $ >", [('decl', 'DOCTYPE foo $ ')])
    276276
    277277    def test_startendtag(self):
    … …  
    288288            ("endtag", "p"),
    289289            ])
     290
     291    def test_invalid_end_tags(self):
     292        # A collection of broken end tags. <br> is used as separator.
     293        # see http://www.w3.org/TR/html5/tokenization.html#end-tag-open-state
     294        # and #13993
     295        html = ('<br></label</p><br></div end tmAd-leaderBoard><br></<h4><br>'
     296                '</li class="unit"><br></li\r\n\t\t\t\t\t\t</ul><br></><br>')
     297        expected = [('starttag', 'br', []),
     298                    # < is part of the name, / is discarded, p is an attribute
     299                    ('endtag', 'label<'),
     300                    ('starttag', 'br', []),
     301                    # text and attributes are discarded
     302                    ('endtag', 'div'),
     303                    ('starttag', 'br', []),
     304                    # comment because the first char after </ is not a-zA-Z
     305                    ('comment', '<h4'),
     306                    ('starttag', 'br', []),
     307                    # attributes are discarded
     308                    ('endtag', 'li'),
     309                    ('starttag', 'br', []),
     310                    # everything till ul (included) is discarded
     311                    ('endtag', 'li'),
     312                    ('starttag', 'br', []),
     313                    # </> is ignored
     314                    ('starttag', 'br', [])]
     315        self._run_check(html, expected)
     316
     317    def test_broken_invalid_end_tag(self):
     318        # This is technically wrong (the "> shouldn't be included in the 'data')
     319        # but is probably not worth fixing it (in addition to all the cases of
     320        # the previous test, it would require a full attribute parsing).
     321        # see #13993
     322        html = '<b>This</b attr=">"> confuses the parser'
     323        expected = [('starttag', 'b', []),
     324                    ('data', 'This'),
     325                    ('endtag', 'b'),
     326                    ('data', '"> confuses the parser')]
     327        self._run_check(html, expected)
    290328
    291329    def test_get_starttag_text(self):
    … …  
    296334
    297335    def test_cdata_content(self):
    298         s = """<script> <!-- not a comment --> &not-an-entity-ref; </script>"""
    299         self._run_check(s, [
    300             ("starttag", "script", []),
    301             ("data", " <!-- not a comment --> &not-an-entity-ref; "),
    302             ("endtag", "script"),
    303             ])
    304         s = """<script> <not a='start tag'> </script>"""
    305         self._run_check(s, [
    306             ("starttag", "script", []),
    307             ("data", " <not a='start tag'> "),
    308             ("endtag", "script"),
    309             ])
     336        contents = [
     337            '<!-- not a comment --> &not-an-entity-ref;',
     338            "<not a='start tag'>",
     339            '<a href="" /> <p> <span></span>',
     340            'foo = "</scr" + "ipt>";',
     341            'foo = "</SCRIPT" + ">";',
     342            'foo = <\n/script> ',
     343            '<!-- document.write("</scr" + "ipt>"); -->',
     344            ('\n//<![CDATA[\n'
     345             'document.write(\'<s\'+\'cript type="text/javascript" '
     346             'src="http://www.example.org/r=\'+new '
     347             'Date().getTime()+\'"><\\/s\'+\'cript>\');\n//]]>'),
     348            '\n<!-- //\nvar foo = 3.14;\n// -->\n',
     349            'foo = "</sty" + "le>";',
     350            u'<!-- \u2603 -->',
     351            # these two should be invalid according to the HTML 5 spec,
     352            # section 8.1.2.2
     353            #'foo = </\nscript>',
     354            #'foo = </ script>',
     355        ]
     356        elements = ['script', 'style', 'SCRIPT', 'STYLE', 'Script', 'Style']
     357        for content in contents:
     358            for element in elements:
     359                element_lower = element.lower()
     360                s = u'<{element}>{content}</{element}>'.format(element=element,
     361                                                               content=content)
     362                self._run_check(s, [("starttag", element_lower, []),
     363                                    ("data", content),
     364                                    ("endtag", element_lower)])
     365
     366    def test_cdata_with_closing_tags(self):
     367        # see issue #13358
     368        # make sure that HTMLParser calls handle_data only once for each CDATA.
     369        # The normal event collector normalizes the events in get_events,
     370        # so we override it to return the original list of events.
     371        class Collector(EventCollector):
     372            def get_events(self):
     373                return self.events
     374
     375        content = """<!-- not a comment --> &not-an-entity-ref;
     376                  <a href="" /> </p><p> &amp; <span></span></style>
     377                  '</script' + '>' </html> </head> </scripter>!"""
     378        for element in [' script', 'script ', ' script ',
     379                        '\nscript', 'script\n', '\nscript\n']:
     380            s = u'<script>{content}</{element}>'.format(element=element,
     381                                                        content=content)
     382            self._run_check(s, [("starttag", "script", []),
     383                                ("data", content),
     384                                ("endtag", "script")],
     385                            collector=Collector)
     386
     387    def test_malformatted_charref(self):
     388        self._run_check("<p>&#bad;</p>", [
     389            ("starttag", "p", []),
     390            ("data", "&#bad;"),
     391            ("endtag", "p"),
     392        ])
     393
     394    def test_unescape_function(self):
     395        parser = HTMLParser.HTMLParser()
     396        self.assertEqual(parser.unescape('&#bad;'),'&#bad;')
     397        self.assertEqual(parser.unescape('&#0038;'),'&')
     398
     399
     400
     401class AttributesTestCase(TestCaseBase):
     402
     403    def test_attr_syntax(self):
     404        output = [
     405          ("starttag", "a", [("b", "v"), ("c", "v"), ("d", "v"), ("e", None)])
     406        ]
     407        self._run_check("""<a b='v' c="v" d=v e>""", output)
     408        self._run_check("""<a  b = 'v' c = "v" d = v e>""", output)
     409        self._run_check("""<a\nb\n=\n'v'\nc\n=\n"v"\nd\n=\nv\ne>""", output)
     410        self._run_check("""<a\tb\t=\t'v'\tc\t=\t"v"\td\t=\tv\te>""", output)
     411
     412    def test_attr_values(self):
     413        self._run_check("""<a b='xxx\n\txxx' c="yyy\t\nyyy" d='\txyz\n'>""",
     414                        [("starttag", "a", [("b", "xxx\n\txxx"),
     415                                            ("c", "yyy\t\nyyy"),
     416                                            ("d", "\txyz\n")])])
     417        self._run_check("""<a b='' c="">""",
     418                        [("starttag", "a", [("b", ""), ("c", "")])])
     419        # Regression test for SF patch #669683.
     420        self._run_check("<e a=rgb(1,2,3)>",
     421                        [("starttag", "e", [("a", "rgb(1,2,3)")])])
     422        # Regression test for SF bug #921657.
     423        self._run_check(
     424            "<a href=mailto:xyz@example.com>",
     425            [("starttag", "a", [("href", "mailto:xyz@example.com")])])
     426
     427    def test_attr_nonascii(self):
     428        # see issue 7311
     429        self._run_check(
     430            u"<img src=/foo/bar.png alt=\u4e2d\u6587>",
     431            [("starttag", "img", [("src", "/foo/bar.png"),
     432                                  ("alt", u"\u4e2d\u6587")])])
     433        self._run_check(
     434            u"<a title='\u30c6\u30b9\u30c8' href='\u30c6\u30b9\u30c8.html'>",
     435            [("starttag", "a", [("title", u"\u30c6\u30b9\u30c8"),
     436                                ("href", u"\u30c6\u30b9\u30c8.html")])])
     437        self._run_check(
     438            u'<a title="\u30c6\u30b9\u30c8" href="\u30c6\u30b9\u30c8.html">',
     439            [("starttag", "a", [("title", u"\u30c6\u30b9\u30c8"),
     440                                ("href", u"\u30c6\u30b9\u30c8.html")])])
     441
     442    def test_attr_entity_replacement(self):
     443        self._run_check(
     444            "<a b='&amp;&gt;&lt;&quot;&apos;'>",
     445            [("starttag", "a", [("b", "&><\"'")])])
     446
     447    def test_attr_funky_names(self):
     448        self._run_check(
     449            "<a a.b='v' c:d=v e-f=v>",
     450            [("starttag", "a", [("a.b", "v"), ("c:d", "v"), ("e-f", "v")])])
     451        self._run_check(
     452            "<a $><b $=%><c \=/>",
     453            [("starttag", "a", [("$", None)]),
     454             ("starttag", "b", [("$", "%")]),
     455             ("starttag", "c", [("\\", "/")])])
    310456
    311457    def test_entityrefs_in_attributes(self):
    312         self._run_check("<html foo='&euro;&amp;&#97;&#x61;&unsupported;'>", [
    313                 ("starttag", "html", [("foo", u"\u20AC&aa&unsupported;")])
    314                 ])
     458        self._run_check(
     459            "<html foo='&euro;&amp;&#97;&#x61;&unsupported;'>",
     460            [("starttag", "html", [("foo", u"\u20AC&aa&unsupported;")])])
     461
     462    def test_entities_in_attribute_value(self):
     463        # see #1200313
     464        for entity in ['&', '&amp;', '&#38;', '&#x26;']:
     465            self._run_check('<a href="%s">' % entity,
     466                            [("starttag", "a", [("href", "&")])])
     467            self._run_check("<a href='%s'>" % entity,
     468                            [("starttag", "a", [("href", "&")])])
     469            self._run_check("<a href=%s>" % entity,
     470                            [("starttag", "a", [("href", "&")])])
     471
     472    def test_malformed_attributes(self):
     473        # see #13357
     474        html = (
     475            "<a href=test'style='color:red;bad1'>test - bad1</a>"
     476            "<a href=test'+style='color:red;ba2'>test - bad2</a>"
     477            "<a href=test'&nbsp;style='color:red;bad3'>test - bad3</a>"
     478            "<a href = test'&nbsp;style='color:red;bad4'  >test - bad4</a>"
     479        )
     480        expected = [
     481            ('starttag', 'a', [('href', "test'style='color:red;bad1'")]),
     482            ('data', 'test - bad1'), ('endtag', 'a'),
     483            ('starttag', 'a', [('href', "test'+style='color:red;ba2'")]),
     484            ('data', 'test - bad2'), ('endtag', 'a'),
     485            ('starttag', 'a', [('href', u"test'\xa0style='color:red;bad3'")]),
     486            ('data', 'test - bad3'), ('endtag', 'a'),
     487            ('starttag', 'a', [('href', u"test'\xa0style='color:red;bad4'")]),
     488            ('data', 'test - bad4'), ('endtag', 'a')
     489        ]
     490        self._run_check(html, expected)
     491
     492    def test_malformed_adjacent_attributes(self):
     493        # see #12629
     494        self._run_check('<x><y z=""o"" /></x>',
     495                        [('starttag', 'x', []),
     496                            ('startendtag', 'y', [('z', ''), ('o""', None)]),
     497                            ('endtag', 'x')])
     498        self._run_check('<x><y z="""" /></x>',
     499                        [('starttag', 'x', []),
     500                            ('startendtag', 'y', [('z', ''), ('""', None)]),
     501                            ('endtag', 'x')])
     502
     503    # see #755670 for the following 3 tests
     504    def test_adjacent_attributes(self):
     505        self._run_check('<a width="100%"cellspacing=0>',
     506                        [("starttag", "a",
     507                          [("width", "100%"), ("cellspacing","0")])])
     508
     509        self._run_check('<a id="foo"class="bar">',
     510                        [("starttag", "a",
     511                          [("id", "foo"), ("class","bar")])])
     512
     513    def test_missing_attribute_value(self):
     514        self._run_check('<a v=>',
     515                        [("starttag", "a", [("v", "")])])
     516
     517    def test_javascript_attribute_value(self):
     518        self._run_check("<a href=javascript:popup('/popup/help.html')>",
     519                        [("starttag", "a",
     520                          [("href", "javascript:popup('/popup/help.html')")])])
     521
     522    def test_end_tag_in_attribute_value(self):
     523        # see #1745761
     524        self._run_check("<a href='http://www.example.org/\">;'>spam</a>",
     525                        [("starttag", "a",
     526                          [("href", "http://www.example.org/\">;")]),
     527                         ("data", "spam"), ("endtag", "a")])
     528
     529    def test_comments(self):
     530        html = ("<!-- I'm a valid comment -->"
     531                '<!--me too!-->'
     532                '<!------>'
     533                '<!---->'
     534                '<!----I have many hyphens---->'
     535                '<!-- I have a > in the middle -->'
     536                '<!-- and I have -- in the middle! -->')
     537        expected = [('comment', " I'm a valid comment "),
     538                    ('comment', 'me too!'),
     539                    ('comment', '--'),
     540                    ('comment', ''),
     541                    ('comment', '--I have many hyphens--'),
     542                    ('comment', ' I have a > in the middle '),
     543                    ('comment', ' and I have -- in the middle! ')]
     544        self._run_check(html, expected)
     545
     546    def test_broken_comments(self):
     547        html = ('<! not really a comment >'
     548                '<! not a comment either -->'
     549                '<! -- close enough -->'
     550                '<!><!<-- this was an empty comment>'
     551                '<!!! another bogus comment !!!>')
     552        expected = [
     553            ('comment', ' not really a comment '),
     554            ('comment', ' not a comment either --'),
     555            ('comment', ' -- close enough --'),
     556            ('comment', ''),
     557            ('comment', '<-- this was an empty comment'),
     558            ('comment', '!! another bogus comment !!!'),
     559        ]
     560        self._run_check(html, expected)
     561
     562    def test_condcoms(self):
     563        html = ('<!--[if IE & !(lte IE 8)]>aren\'t<![endif]-->'
     564                '<!--[if IE 8]>condcoms<![endif]-->'
     565                '<!--[if lte IE 7]>pretty?<![endif]-->')
     566        expected = [('comment', "[if IE & !(lte IE 8)]>aren't<![endif]"),
     567                    ('comment', '[if IE 8]>condcoms<![endif]'),
     568                    ('comment', '[if lte IE 7]>pretty?<![endif]')]
     569        self._run_check(html, expected)
     570
     571    def test_broken_condcoms(self):
     572        # these condcoms are missing the '--' after '<!' and before the '>'
     573        html = ('<![if !(IE)]>broken condcom<![endif]>'
     574                '<![if ! IE]><link href="favicon.tiff"/><![endif]>'
     575                '<![if !IE 6]><img src="firefox.png" /><![endif]>'
     576                '<![if !ie 6]><b>foo</b><![endif]>'
     577                '<![if (!IE)|(lt IE 9)]><img src="mammoth.bmp" /><![endif]>')
     578        # According to the HTML5 specs sections "8.2.4.44 Bogus comment state"
     579        # and "8.2.4.45 Markup declaration open state", comment tokens should
     580        # be emitted instead of 'unknown decl', but calling unknown_decl
     581        # provides more flexibility.
     582        # See also Lib/_markupbase.py:parse_declaration
     583        expected = [
     584            ('unknown decl', 'if !(IE)'),
     585            ('data', 'broken condcom'),
     586            ('unknown decl', 'endif'),
     587            ('unknown decl', 'if ! IE'),
     588            ('startendtag', 'link', [('href', 'favicon.tiff')]),
     589            ('unknown decl', 'endif'),
     590            ('unknown decl', 'if !IE 6'),
     591            ('startendtag', 'img', [('src', 'firefox.png')]),
     592            ('unknown decl', 'endif'),
     593            ('unknown decl', 'if !ie 6'),
     594            ('starttag', 'b', []),
     595            ('data', 'foo'),
     596            ('endtag', 'b'),
     597            ('unknown decl', 'endif'),
     598            ('unknown decl', 'if (!IE)|(lt IE 9)'),
     599            ('startendtag', 'img', [('src', 'mammoth.bmp')]),
     600            ('unknown decl', 'endif')
     601        ]
     602        self._run_check(html, expected)
    315603
    316604
    317605def test_main():
    318     test_support.run_unittest(HTMLParserTestCase)
     606    test_support.run_unittest(HTMLParserTestCase, AttributesTestCase)
    319607
    320608
Note: See TracChangeset for help on using the changeset viewer.