它实际上按预期工作,但可能不起作用您预期的。无论如何,下面是一段代码示例(一个控制台应用程序),演示了如何使用该库实现一些HTML修复。
该库有一个ParseErrors
集合,您可以使用它来确定在标记解析期间检测到哪些错误。
实际上有两种类型的问题在这里:
1)未闭合的元素。这个库默认是固定的,但P元素上有一个选项可以防止这种情况发生。
2)未开封元素。这个更复杂,因为它取决于你想如何修复它,你想在哪里打开标签?在下面的示例中,我使用了最近的以前的文本兄弟节点来打开该元素。
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>();
}
谢谢西蒙,我需要“消化”这:)这是很好的直接听到作者,你的工作在HAP是非常广泛的赞赏。 – avo
上有特殊情况吗? 我只问,因为我似乎正在收到意想不到的行为周围框架没有被自动关闭。 – twobob
@twobob - 是的,也许,你可以在这里检查这个行为(框架声明,你可以使用ElementFlags集合删除它):http://htmlagilitypack.codeplex.com/SourceControl/latest#Trunk/HtmlAgilityPack/HtmlNode.cs –