我正在解析一些非常糟糕的HTML代码。我已经取得了很大的成功，直到我注意到有些元素，属性包含“＆lt;”。
例如：
<a href="#Anchor-<ht-42368">40</a>
将导致
<a href="#Anchor-">
<ht-42368>40</ht-42368>
</a>
这将在浏览器中呈现，但HTML清洁工会认为它正在尝试启动新标记。它添加了一个'“＆gt;”在开始一个我不想要的新标签之前。
解决此问题的最佳方法是什么？我不确定HTMLCleaner是否有任何我可以配置来管理它的属性..如果没有，我应该如何预处理HTML数据来修复这些字符？
编辑：修复示例
编辑：我想我可以在进入htmlcleaner之前将一个replaceAll（）与正则表达式一起应用。也许像=“[^”] *“之类的东西，并搜索它是否包含”＆lt;“..如果确实如此，请使用转义的html＆符号进行搜索。这会有用吗？