HtmlAgilityPack删除选项结束标记

html html-agility-pack parsing

我正在使用HtmlAgilityPack。我用以下字符串创建一个HtmlDocument和LoadHtml:

<select id="foo_Bar" name="foo.Bar"><option selected="selected" value="1">One</option><option value="2">Two</option></select>

这有些意想不到的事情。首先,它给出了两个解析器错误,EndTagNotRequired。其次,select节点有4个子节点 - 两个用于选项标签,另外两个用于选项标签的内部文本。最后,OuterHtml是这样的:

<select id="foo_Bar" name="foo.Bar"><option selected="selected" value="1">One<option value="2">Two</select>

所以基本上我决定在选项上删除结束标记。让我们暂时搁置一下,这样做是否合适和可取。我正在使用HtmlAgilityPack来测试HTML生成代码,所以我不希望它为我做出任何决定或者给出任何错误,除非HTML确实是错误的。有没有办法使它表现我想要的?我尝试为HtmlDocument设置一些选项,具体来说:

 doc.OptionAutoCloseOnEnd = false;
 doc.OptionCheckSyntax = false;
 doc.OptionFixNestedTags = false;

这不起作用。如果HtmlAgilityPack不能做我想要的,你能推荐一些可以吗?

一般承认的答案

在HAP主页的讨论中报告了完全相同的错误,但看起来几年内没有对该项目进行任何有意义的修复。不鼓励。

快速浏览源代码表明错误可能通过注释HtmlNode.cs的第92行来修复:

// they sometimes contain, and sometimes they don 't...
ElementsFlags.Add("option", HtmlElementFlag.Empty);

(实际上不是,它们总是包含标签文本,尽管空白字符串也是有效文本。粗心的作者可能会省略结束标记,但那时任何元素都是如此。)

一个等效的解决方案是调用HtmlNode.ElementsFlags.Remove("option");在任何使用liberary之前(不需要修改liberary源代码)


热门答案

似乎有一些理由不将Option标签解析为“通用”标签,对于XHTML合规性,然而这可能是一个真正的痛苦。

我的建议是做一个完整的字符串替换并将所有“选项”标签更改为“my_option”标签,这样你:

  1. 不必修改库的源代码(以后可以升级)。
  2. 可以像往常一样解析。

HtmlAgilityPack论坛上的原始帖子可以在以下网址找到: http ://htmlagilitypack.codeplex.com/Thread/View.aspx?ThreadId=14982



Related

许可下: CC-BY-SA with attribution
不隶属于 Stack Overflow
这个KB合法吗? 是的,了解原因
许可下: CC-BY-SA with attribution
不隶属于 Stack Overflow
这个KB合法吗? 是的,了解原因