Problemas con HTMLParser

[lorca]

Bueno en algunas paginas cuando trato de parsearlas me tira un error, aparentemente es debido a una malaformacion de la pagina html

por ejemplo trato de parserar los links de una pagina y me tira un error:

>>> import parser
>>> a = parser.LinksParser("http://yahoo.com.ar")

Traceback (most recent call last):
  File "<stdin>", line 1, in ?
  File "parser.py", line 18, in __init__
    self.feed(x)
  File "/usr/lib/python2.3/HTMLParser.py", line 108, in feed
    self.goahead(0)
  File "/usr/lib/python2.3/HTMLParser.py", line 148, in goahead
    k = self.parse_starttag(i)
  File "/usr/lib/python2.3/HTMLParser.py", line 239, in parse_starttag
    endpos = self.check_for_whole_start_tag(i)
  File "/usr/lib/python2.3/HTMLParser.py", line 314, in check_for_whole_start_tag
    self.error("malformed start tag")
  File "/usr/lib/python2.3/HTMLParser.py", line 115, in error
    raise HTMLParseError(message, self.getpos())
HTMLParser.HTMLParseError: malformed start tag, at line 8, column 451

Aca les dejo el codigo, que al al parecer está bien, porque con algunas paginas funciona perfecto y con otras no

import urllib, HTMLParser
#import HTMLParser

class LinksParser(HTMLParser.HTMLParser):

	def __init__(self, url):
		HTMLParser.HTMLParser.__init__(self)
		self.inside_opt=0
		self.href = []
		self.link_name = []
		x = urllib.urlopen(url).read()
		self.feed(x)
		self.close()
	
	def handle_starttag(self, tag, attributes):
		#if tag == "select": self.flag += 1
		if tag == "a":
			for name, value in attributes:
				if name == "href":
					self.href.append(value)
					self.inside_opt = 1

	def handle_endtag(self, tag):
		if tag == "a":
			self.inside_opt=0

	def handle_data(self, data):
		if self.inside_opt == 1:
			self.link_name.append(data)

	def get_options(self):
		return self.href, self.link_name



-- 
l o r c a
Homepage: http://www.pylorca.com.ar