如何使用HTMLAgilityPack修复缺少<open>和<close>标签的HTML标记

Question

使用HTML Agility Pack，有可能修复这种类似的缺少闭合和开放标签的问题吗？

我有一个包含 <div><h1> hello Hi</div> <div>hi </p></div> 的html。

所需输出：<div><h1> hello </h1></div> <div><p>hi </p></div>

- ragmn

Answer 1

这个库并不足够智能以在你放置的位置创建开头的p标签，但它足够智能以创建缺失的h1标签。通常情况下，它总是创建有效的HTML代码，但并不总是你所期望的。

因此，这段代码：

        HtmlDocument doc = new HtmlDocument();
        doc.Load(yourhtml);
        doc.Save(Console.Out);

会丢弃这个：

<div><h1> hello Hi</h1></div> <div>hi <p></div>

虽然这不是您想要的，但它是有效的HTML。 您还可以添加一些诀窍，如：

        HtmlNode.ElementsFlags["p"] = HtmlElementFlag.Closed;
        HtmlDocument doc = new HtmlDocument();
        doc.Load(yourhtml);
        doc.Save(Console.Out);

那会将此内容丢弃：

<div><h1> hello Hi</h1></div> <div>hi <p></p></div>

- Simon Mourier

---

它只是不是<p>节点。总的来说，我正在寻找一个解决方案，可以处理所有缺失的开放标签。有什么方法可以做到这一点吗？ - ragmn

该库可以自动修复所有损坏的标签，但正如我所说，它可能不是您想要的方式。由于问题过于普遍，很难再详细说明了。 - Simon Mourier

好的，听起来很不错，谢谢！您能告诉我如何将输出保存到字符串中而不是Console.Out吗？ - ragmn

doc.DocumentNode.OuterHtml 包含整个文档的文本。 - Simon Mourier

我可能有点晚加入这个对话，但是否有办法关闭自动修复破损标签的功能？我不想要它（我正在代理，并且在更正后客户端会中断），但我认为HAP无法处理错误的html。 - big_tommy_7bb

@tim_barber_7BB: 是的，基本上是这样。你所做的很多事情（例如请求子节点）如果没有明确定义的结构就无法工作。如果有无效的HTML，它需要对其进行某些处理才能理解它，然后将其返回给您。我怀疑经过一些操作，再把这些损坏的部分放回去几乎是不可能的（而且很少需要，不值得努力）。 - Chris

Answer 2

当使用 HtmlAgilityPack.HtmlDocument.LoadHTML(yourhtml) 时，HTMLAgilityPack会自动修复标签，然后您可以使用 HtmlAgilityPack.HtmlDocument.DocumentNode.OuterHTML 访问这些标签。

- user2280232