HtmlAgilityPack td.innertext錯誤？

我正在建立一些數據庫中的數據表。它來自很多國際來源，所以我遇到了編碼問題，我想我已經清除了它們。但是現在我看到一些奇怪的輸出並且無法弄清楚原因。HtmlAgilityPack td.innertext錯誤？

這是VS2010中的C＃應用程序。在調試運行時，我看到在我的課的字符串開頭：

Animal and vegetable oils 1 < 5 MW <br>5-50 MW 30 <br>

但是，當我與分配：

td = htmlDoc.CreateElement("td"); 
td.Attributes.Add("rowspan", "5"); 
td.Attributes.Add("valign", "top"); 
td.InnerHtml = this.DRGuideNote.ToString();

的td.InnerHtml顯示

Animal and vegetable oils 1 < 5=\"\" mw=\"\"><br>5-50 MW 30 <br>

爲什麼把等於並逃脫到該文本中的引號？它不會跨越所有數據，只是幾個文件。有任何想法嗎？（PS。在字符串中沒有顯示html中斷，我如何發佈，所以它忽略html？試圖「與4個空格縮進，但似乎沒有工作？）

來源

2013-03-05 Steve

'1 <5'中的'<'是不正確的HTML。將其更改爲'1 < 5'，它應該可以工作。 – 2013-03-05 17:35:15

沒有想到這一點，你說得對，我應該編碼的HTML。但是輸出在其他地方正確顯示。問題在於我得到的是添加的「=」「'，它出現在我的文本中的單詞之後。你看到任何相關的原因嗎？ – Steve 2013-03-05 18:18:26

我寫完後，我想我意識到發生了什麼。因爲<沒有被編碼，所以它可能假定它是一個標籤的開始，然後解析每個單詞，期望它們成爲一個沒有值的參數，這就是爲什麼我得到=「」，因爲就它而言有關這個詞是一個空白標籤參數。 – Steve 2013-03-05 18:30:08

HTML Agility Pack的HTML分析器正在治療<作爲HTML標籤的開頭字符，所以當它解析5和MW時，它認爲它在標籤內，因此它將它們當作標籤屬性來對待，一旦它進入<br>就會停止，這會強制它關閉標籤

它在瀏覽器中工作的原因是因爲瀏覽器通常遵循HTML5規範來處理無效的HTML規範有很多關於如何處理無效HTML的規則，目的是理解什麼是意圖是，在這種情況下，規範說，一克拉後跟一個空間應該被視爲文本。 HAP的解析器不處理這個特定的邊界情況。所以我不會說這是一個錯誤，而是HAP的本地HTML解析器的限制。

HAP的替代方案是CsQuery（nuget），它使用完整的HTML5解析器（實際上與Firefox相同的HTML解析器），並且可以處理這種標記。

來源

2013-03-05 18:30:50

是的，這正是發生的事情。我一直在努力爭取最終的高質量輸出數據，這些數據來自電子表格中給我們存儲的經常有缺陷的數據，有時經過編碼，有時候不會，充滿奇怪的字符，因爲它是國際性的。現在我只是想念那些顯而易見的東西哈哈。謝謝。 – Steve 2013-03-05 20:40:45

HtmlAgilityPack td.innertext錯誤？

回答

相關問題