J'ai ce code HTML mal formé avec des balises qui se chevauchent:
<p>word1<b>word2</p>
<p>word3</b>word4</p>
Le chevauchement peut également être imbriqué.
Comment puis-je le convertir en HTML bien formé avec HTML Agility Pack (HAP)?
Je cherche cette sortie:
<p>word1<b>word2</b></p>
<p><b>word3</b>word4</p>
J'ai essayé HtmlNode.ElementsFlags["b"] = HtmlElementFlag.Closed | HtmlElementFlag.CanOverlap
, mais cela ne fonctionne pas comme prévu.
Il est dans le travail de fait comme prévu, mais peut - être ne fonctionne pas comme prévu. Quoi qu'il en soit, voici un exemple de code (une application console) qui montre comment vous pouvez effectuer des corrections HTML à l'aide de la bibliothèque.
La bibliothèque possède une collection ParseErrors
que vous pouvez utiliser pour déterminer quelles erreurs ont été détectées lors de l'analyse syntaxique du balisage.
Il y a vraiment deux types de problèmes ici:
1) éléments non fermés . Celui-ci est corrigé par défaut par la bibliothèque, mais une option sur l'élément P l'empêche dans ce cas.
2) éléments non ouverts . Celui-ci est plus complexe, car cela dépend de la manière dont vous voulez résoudre le problème. Où voulez-vous que la balise soit ouverte? Dans l'exemple suivant, j'ai utilisé le noeud frère précédent le plus proche pour ouvrir l'élément.
static void Main(string[] args)
{
// clear the flags on P so unclosed elements in P will be auto closed.
HtmlNode.ElementsFlags.Remove("p");
// load the document
HtmlDocument doc = new HtmlDocument();
doc.Load("yourTestFile.htm");
// build a list of nodes ordered by stream position
NodePositions pos = new NodePositions(doc);
// browse all tags detected as not opened
foreach (HtmlParseError error in doc.ParseErrors.Where(e => e.Code == HtmlParseErrorCode.TagNotOpened))
{
// find the text node just before this error
HtmlTextNode last = pos.Nodes.OfType<HtmlTextNode>().LastOrDefault(n => n.StreamPosition < error.StreamPosition);
if (last != null)
{
// fix the text; reintroduce the broken tag
last.Text = error.SourceText.Replace("/", "") + last.Text + error.SourceText;
}
}
doc.Save(Console.Out);
}
public class NodePositions
{
public NodePositions(HtmlDocument doc)
{
AddNode(doc.DocumentNode);
Nodes.Sort(new NodePositionComparer());
}
private void AddNode(HtmlNode node)
{
Nodes.Add(node);
foreach (HtmlNode child in node.ChildNodes)
{
AddNode(child);
}
}
private class NodePositionComparer : IComparer<HtmlNode>
{
public int Compare(HtmlNode x, HtmlNode y)
{
return x.StreamPosition.CompareTo(y.StreamPosition);
}
}
public List<HtmlNode> Nodes = new List<HtmlNode>();
}