XmlReader：麻烦解析没有引号的属性

Question

我正在尝试解析的一段HTML包含一些没有引号的属性值，例如宽度和高度属性：

<img src="/static/logo.png" width=75 height=90 />

在C＃代码中，读者读取直到下一个锚标记。

while (reader.ReadToFollowing("a"))

此语句报告XmlException：

'75' is an unexpected token. The expected token is '"' or '''. Line 16, position 37.

是否有一些XmlReaderSetting使XmlReader更宽松？我无法控制生成的HTML。

Answer 1

为了阅读HTML，您需要一个专为此目的而设计的阅读器。 HtmlAgilityPack可以为您提供帮助，SgmlReader至this answer中提及的a related question也可以为您提供帮助。

HTML不是XML。它们都基于SGML，但遵循不同的规则。 XML具有比HTML更严格的规则，其中包括需要关闭所有标记以及用单引号或双引号包围的属性。因此，除非您正在解析符合XML的XHTML，否则XmlReader将无法为您工作。

Answer 2

您也可以使用WebBrowser控件。将文件加载到其中并从WebBrowser.Document属性获取HtmlDocument。然后，您可以循环控制。