自动HTML标准化？

Question

是否有一个.NET实用程序可以获取HTML代码段（而不是整个文档）并输出兼容的标准HTML等效项？

IE，<b>die Bundesliga Mannschaften</b>和<span style="font-weight:bold">die Bundesliga Mannschaften</span>都解决了同样的问题。

我不是要修复任何东西，只是标准化一些结构良好但虽然过时的描述文本，以便最终输出具有一种格式。

由于

Answer 1

我知道.Net中没有任何HTML规范化工具，但是，一个好的起点是Tidy（或fork of the original）。此时，您有机会将.Net中的HTML解释为DOM文档，然后可以根据您提出的规则转换各种部分。如果您获得XHTML，您的工作可能会轻松得多，只需要一个CSS解释器来处理样式属性作为规范化代码的一部分。

或者，您可以将HtmlCleaner从Java移植到.Net。

Answer 2

请注意，两者您提供的字符串都是有效的，符合标准的HTML。你可能想要的是将等效的表示标记转换为规范格式。我不知道一个自动执行此操作的工具，但您可以使用XSLT来解决它。

编辑：sixlettervariables指出你无法在XSLT中解析CSS。因此，诀窍是将<b>转换为<span style="font-weight:bold">而不是相反： - ）

Answer 3

我想我在Microsoft.mshtml命名空间中找到了我需要的东西。