如何使用HTML Agility Pack清理格式不正确的HTML

Question

如何使用HTML Agility Pack清理格式不正确的HTML

asp.net c# html html-agility-pack

题

我试图替换这个可怕的正则表达式集合，该集合当前用于清理格式不正确的HTML块，并偶然发现了C＃的HTML Agility Pack。它看起来非常强大，但我找不到如何使用该包的示例，我认为这是其中包含的所需功能。我确定我是个白痴，在文档中找不到合适的方法。

让我解释一下...说我有以下html：

<p class="someclass">
    <font size="3">
        <font face="Times New Roman">
            this is some text
            <a href="somepage.html">Some link</a>
        </font>
    </font>
</p>

我想要的样子：

<p>
    this is some text
    <a href="somepage.html">Some link</a>
</p>

当我使用HtmlNode.Remove（）方法时，它将删除该节点及其所有子节点。有没有办法删除保留子节点的节点？

nokturnal

热门答案

您可以尝试使用AngleSharp 。

var parser = new HtmlParser();
var document = parser.Parse(html);

using (var writer = new StringWriter())
{
    document.ToHtml(writer, new PrettyMarkupFormatter());
    return writer.ToString();
}

Simon

在 Stack Overflow 上查看更多

Simon Mourier · Accepted Answer · 3/21/2011 1:43:08 PM

在HtmlNode上，RemoveChild方法有这个重载：

public HtmlNode RemoveChild(HtmlNode oldChild, bool keepGrandChildren);

所以这就是你要做的：

HtmlDocument doc = new HtmlDocument();
doc.Load("yourfile.htm");

foreach (HtmlNode font in doc.DocumentNode.SelectNodes("//font"))
{
    font.ParentNode.RemoveChild(font, true);
}

编辑：看起来像替换w / keepGrandChildren选项没有按预期工作，所以这是一个替代实现：

public static HtmlNode RemoveChild(HtmlNode parent, HtmlNode oldChild, bool keepGrandChildren)
{
    if (oldChild == null)
        throw new ArgumentNullException("oldChild");

    if (oldChild.HasChildNodes && keepGrandChildren)
    {
        HtmlNode prev = oldChild.PreviousSibling;
        List<HtmlNode> nodes = new List<HtmlNode>(oldChild.ChildNodes.Cast<HtmlNode>());
        nodes.Sort(new StreamPositionComparer());
        foreach (HtmlNode grandchild in nodes)
        {
            parent.InsertAfter(grandchild, prev);
        }
    }
    parent.RemoveChild(oldChild);
    return oldChild;
}

// this helper class allows to sort nodes using their position in the file.
private class StreamPositionComparer : IComparer<HtmlNode>
{
    int IComparer<HtmlNode>.Compare(HtmlNode x, HtmlNode y)
    {
        return y.StreamPosition.CompareTo(x.StreamPosition);
    }
}

如何使用HTML Agility Pack清理格式不正确的HTML

题

Fastest Entity Framework Extensions

一般承认的答案

热门答案

Performance

Expression Evaluator

Related