HtmlAgilityPack - 是吗
题
我刚写了这个测试，看看我是不是疯了......
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using HtmlAgilityPack;
namespace HtmlAgilityPackFormBug
{
class Program
{
static void Main(string[] args)
{
var doc = new HtmlDocument();
doc.LoadHtml(@"
<!DOCTYPE html>
<html>
<head>
<title>Form Test</title>
</head>
<body>
<form>
<input type=""text"" />
<input type=""reset"" />
<input type=""submit"" />
</form>
</body>
</html>
");
var body = doc.DocumentNode.SelectSingleNode("//body");
foreach (var node in body.ChildNodes.Where(n => n.NodeType == HtmlNodeType.Element))
Console.WriteLine(node.XPath);
Console.ReadLine();
}
}
}
它输出：
/html[1]/body[1]/form[1]
/html[1]/body[1]/input[1]
/html[1]/body[1]/input[2]
/html[1]/body[1]/input[3]
但是，如果我将<form>更改为<xxx>它会给我：
/html[1]/body[1]/xxx[1]
（正如它应该）。所以...看起来这些输入元素不包含在表单中，而是直接包含在正文中，就好像<form>只是立即关闭它自己一样。那是怎么回事？这是一个错误吗？
通过源头挖掘，我看到：
ElementsFlags.Add("form", HtmlElementFlag.CanOverlap | HtmlElementFlag.Empty);
它有“空”标志，如META和IMG。为什么？？表格绝对不应该是空的。
热门答案
由于我是最初的HAP作者，我可以解释为什么它被标记为空:)
这是因为在2000年设计HAP时，HTML 3.2才是标准。您可能已经意识到标记可以在HTML中完全重叠。即：所有浏览器都支持<b>bold<i>italic and bold</b>italic</i> （ 粗体斜体和粗体斜体）（尽管它在HTML规范中不是正式的）。 FORM标签也可以完美重叠。
由于HAP设计用于处理任何HTML内容，而不是打破当时可以找到的大多数页面，我们只是决定将重叠标记处理为EMPTY（使用ElementFlags属性），因此：
- 你仍然可以加载它们
- 您可以在不破坏原始HTML的情况下将其保存回来（如果您不需要以任何编程方式在表单中包含内容）。
你唯一不能做的就是使用API，使用树模型，XSL或任何程序化的方法。今天，几乎到处都有XHTML / XML，这听起来很奇怪，但这就是我创建ElementFlags的原因:)
许可下: CC-BY-SA with attribution
不隶属于 Stack Overflow