Question

我正在使用HTML敏捷包创建HTML文档。我加载一个模板文件，然后将内容添加到它。所有这一切都有效，但当我查看输出文件时，它已将<br/>标记中的结束标记移除，看起来像<br>。造成这种情况的原因是什么？

Dim doc As New HtmlDocument()
doc.Load(Server.MapPath("Template.htm"))

Dim title As HtmlNode = doc.DocumentNode.SelectSingleNode("//title")

title.InnerHtml = title.InnerHtml & "CEU Classes"
Dim topContent As HtmlAgilityPack.HtmlNode = doc.GetElementbyId("topContent")

topContent.InnerHtml = html.ToString
doc.OptionWriteEmptyNodes = True
doc.Save(outputFileName, Encoding.UTF8)

更多信息：

在我添加doc.OptionWriteEmptyNodes = True之后，它正在删除我的结束图片代码，它正在这样做。

更新

这是我现在的代码，它删除了结束BR标记

Dim html As String = "Words<br/>more words"
Dim doc As New HtmlDocument()
Dim title As HtmlNode
Dim topContent As HtmlNode

HtmlNode.ElementsFlags("br") = HtmlElementFlag.Empty
doc.Load(Server.MapPath("Template.htm"))

Title = doc.DocumentNode.SelectSingleNode("//title")
title.InnerHtml = title.InnerHtml & "CEU Classes"

topContent = doc.GetElementbyId("topContent")
topContent.InnerHtml = html.ToString

doc.OptionWriteEmptyNodes = True
doc.Save(outputFileName, Encoding.UTF8)

更新2

我最后只是在我的模板文件中读取标准字符串，然后像这样加载html

Dim TemplateHTML As String = File.ReadAllText(Server.MapPath("Template.htm"))

TemplateHTML = TemplateHTML.Insert(TemplateHTML.IndexOf("<div id=""topContent"">") + "<div id=""topContent"">".Length, _
                                   html.ToString)

doc.LoadHtml(TemplateHTML)

Answer 1

这是因为Html Agility Pack以特殊方式处理BR。它仍然支持旧的（但现在在网上存在）HTML 3.2语法，其中BR可以在没有结束标记的情况下声明（浏览器仍然可以优雅地处理它......）。

要更改此默认行为，您需要修改HtmlNode.ElementFlags属性，如下所示：

Dim doc As New HtmlDocument()
HtmlNode.ElementsFlags("br") = HtmlElementFlag.Empty
doc.LoadHtml("<test>before<br/>after</test>")
doc.OptionWriteEmptyNodes = True   
doc.Save(Console.Out)

将显示：

<test>before<br />after</test>

Answer 2

根据@Simon Mourier，以下C＃代码适用于1.4版

var doc = new HtmlDocument();
HtmlNode.ElementsFlags["br"] = HtmlElementFlag.Empty;
doc.OptionWriteEmptyNodes = true;
doc.LoadHtml("Lorem ipsum dolor sit<br/>Lorem ipsum dolor sit");

var postParsed = doc.DocumentNode.WriteTo();

为postParsed

提供以下字符串值

"Lorem ipsum dolor sit<br />Lorem ipsum dolor sit"

Answer 3

似乎这是Html Agility Pack中的标准设置。默认情况下，它不符合XHTML，并且许多标签未关闭。

有两种方法可以做到这一点。在文档级别，您可以执行以下操作，这将打开所有结束标记。（这是我首选的方法）。

HtmlDocument doc = new HtmlDocument();
doc.OptionWriteEmptyNodes = true;
doc.LoadHtml(content);

但是，这可能并不理想。还有另一种方法可以在节点级别执行此操作。

if (HtmlNode.ElementsFlags.ContainsKey("img"))
{
    HtmlNode.ElementsFlags["img"] = HtmlElementFlag.Closed;
}
else
{
    HtmlNode.ElementsFlags.Add("img", HtmlElementFlag.Closed);
}

Answer 4

我遇到了同样的问题，我通过使用具有正确设置的新HtmlDocument对象手动重新解析HTML块来解决它。

问题，因为我看到HtmlDocument有所有那些不错的设置让你关闭标签等，但当你选择一个节点或做一些其他软操作与节点并使用他们的OuterHtml或InnerHtml一些那些结束标签丢失（可能是因为这些属性不使用与文档本身相同的设置，或者meybe还有其他原因）。因此，当您从InnerHtml或OuterHtml获取不正确的html字符串时，您可以再次使用HtmlDocument重新解析它并使用document.DocumentElement.InnerHtml来获取正确的HTML字符串。

HTML Agility包删除break标记关闭

4 个答案: