具有HTML Tidy-like功能的託管（.NET）庫？

是否有一個.NET的HTML清理器可以解析HTML並（例如）將其轉換爲更加機器友好的格式，如XHTML？具有HTML Tidy-like功能的託管（.NET）庫？

我試過了HTML敏捷包，但是卻無法正確解析，即使是fairly simple的例子。

爲了讓HTML的應該正確地分析一個例子：

<html><title>test</title> 
<body> 
    <ul><li>TestElem1 
     <li>TestElem2 
     <li>TestElem3 List: 
      <ul><li>Nested1 
       <li>Nested2</li> 
       <li>Nested3 
      </ul> 
     <li>TestElem4 
    </ul> 
    <p>paragraph 1 
    <p>paragraph 2 
    <p>paragraph 3 
</body></html>

li標籤不需要關閉（see specification），和neither do P tags。換句話說，上述樣品應被解析爲：

<html><title>test</title> 
<body> 
    <ul><li>TestElem1</li> 
     <li>TestElem2</li> 
     <li>TestElem3 List: 
      <ul><li>Nested1</li> 
       <li>Nested2</li> 
       <li>Nested3</li> 
      </ul></li> 
     <li>TestElem4</li> 
    </ul> 
    <p>paragraph 1</p> 
    <p>paragraph 2</p> 
    <p>paragraph 3</p> 
</body></html>

既然目的是利用各種機庫，這是一個很大的缺點需要退回到本機代碼（如包裝周圍HTML Tidy ），這將需要額外的部署麻煩，並犧牲平臺獨立性，更不用說在沙盒的情況下是不可能的。

有什麼建議嗎？總括來說，我在尋找：

的HTML清潔鼻翼HTML整潔
必須能夠應對現實世界的HTML，不僅僅是XHTML，至少是正確讀取有效的HTML 4
必須能夠轉換爲更容易處理的XML格式
應該是一個純粹的管理應用程序。

來源

2010-04-27 Eamon Nerbonne

嘗試TidyManaged。

來源

2011-06-02 05:23:20

我還沒有看到TidyManaged，如果我又需要類似的東西，我要一窺視。然而，你的時間是不可思議的，因爲我*寫了一個補丁，在兩週前爲HTML敏捷包添加了對可選結束標記的支持：http://htmlagilitypack.codeplex.com/workitem/29218 - 我希望他們將整合它，那就是那個。 – 2011-06-03 08:25:08

它看起來像TidyManaged是一個包裝，而不是一個端口;這稍微有點不方便，因爲它不適用於像silverlight這樣的東西，它需要你知道你將在編譯時執行的平臺。儘管如此，對於許多用途來說，這些限制並不是問題。 – 2011-06-03 08:27:00

我在我的博客http://geekswithblogs.net/mnf/archive/2011/06/08/implementations-of-html-tidylib-for-.net.aspx上列出了一些用於.Net的HTML TidyLib的實現 – 2011-06-08 11:46:13

具有HTML Tidy-like功能的託管（.NET）庫？

回答

相關問題