Question

我只是在寻找一种非常简单的方法来清理一些HTML（可能使用嵌入式JavaScript代码）。我尝试了two different HTML Tidy .NET端口，两者都抛出异常......

抱歉，“干净”是指“缩进”。 HTML根本没有格式错误。它是XHTML严格的。

我终于得到了与SGML一起工作的东西，但这是非常荒谬的代码块，可以缩进某些HTML。

private static string FormatHtml(string input)
{
    var sgml = new SgmlReader {DocType = "HTML", InputStream = new StringReader(input)};
    using (var sw = new StringWriter())
    using (var xw = new XmlTextWriter(sw) { Indentation = 2, Formatting = Formatting.Indented })
    {
        sgml.Read();
        while (!sgml.EOF)
            xw.WriteNode(sgml, true);
    }
    return sw.ToString();
}

Answer 1

HTML Tidy的最新C＃包装器由Mark Beaton完成，它似乎比您引用的链接（2003）更新。另外值得注意的是，Mark也提供了可引用的可执行文件，而不是从官方网站上提取它们。这应该可以很好地组织和验证您的HTML。

Answer 2

<强>更新：

检查HtmlTextWriter或XhtmlTextWriter，使用情况：Formatting Html Output with HtmlTextWriter，也许HTML construction via HtmlTextWriter会更好？

同时检查：LINQ & Lambda, Part 3: Html Agility Pack to LINQ to XML Converter

http://www.manoli.net/csharpformat/，source code，如果您错过了。

也许你想自己做？这个项目很有帮助：Html Agility Pack

什么是Html Agility Pack（HAP）？

这是一个敏捷的HTML解析器，它构建一个读/写DOM并支持普通的XPATH或XSLT（你实际上不需要理解XPATH或XSLT来使用它，不用担心......）。它是一个.NET代码库，允许您解析“out of the web”HTML文件。解析器非常容忍“真实世界”格式错误的HTML。对象模型与提出System.Xml非常类似，但对于HTML文档（或流）。

Html Agility Pack现在支持Linq to Objects（通过LINQ to Xml Like界面）。查看要使用此功能的新测试版

示例应用程序：



页面修复或生成。您可以   按照您想要的方式修改页面，进行修改   DOM，添加节点，复制节点，   嗯...你说出来的。



网络扫描仪。   您可以轻松访问img / src或   a / hrefs有一堆XPATH查询。



网页抓取工具。你可以很容易地报废   任何现有的网页都成为RSS   例如，仅使用XSLT   用作绑定的文件。一个   提供了这方面的例子。

您也可以尝试此实现：A managed wrapper for the HTML Tidy library

Answer 3

AngleSharp 100％c＃

    var parser = new HtmlParser();

    var document = parser.Parse("<html><head></head><body><i></i></body></html>");

    var sw = new StringWriter();
    document.ToHtml(sw, new PrettyMarkupFormatter());

    var HTML_prettified = sw.ToString());

Answer 4

我过去曾使用SGML Reader将HTML转换为XHTML。可能值得研究......

我使用它时从未遇到任何问题。

Answer 5

您可以使用 HtmlAgilityPack （从nuget添加此软件包）。

代码示例：

string html = "<div><p>line 1<br>line 2</p><span></div>";
var htmlDoc = new HtmlAgilityPack.HtmlDocument();
htmlDoc.LoadHtml(description);
var fixedHtml = htmlDoc.DocumentNode.OuterHtml;

输出：

<div><p>line 1<br />line 2</p><span></span></div>

Answer 6

Beautifier 提供了 html，我使用了 html-beautify。例如

const beautified = html_beautify("<div><p></p></div>");
console.log(beautified)

<script src="https://cdnjs.cloudflare.com/ajax/libs/js-beautify/1.14.0/beautify-html.min.js"></script>

C＃版的HTML Tidy？

6 个答案: