檢查未打開的標籤的HTML字符串

我有一個字符串作爲HTML源，我想檢查是否字符串的HTML源代碼包含未打開的標籤。檢查未打開的標籤的HTML字符串

例如下面的字符串包含</u>之後的WAVEFORM沒有開放<u>。

WAVEFORM</u> YES, <u>NEGATIVE AUSCULTATION OF EPIGASTRUM</u> YES,

我只是想檢查這些類型的未開封的標籤，然後我不得不打開標籤附加到字符串的開始？

來源

2010-07-02 subash

對於這種特定情況，如果HTML格式正確或者您的標籤未打開，您可以使用HTML Agility Pack來斷言。

var htmlDoc = new HtmlDocument(); 

htmlDoc.LoadHtml(
    "WAVEFORM</u> YES, <u>NEGATIVE AUSCULTATION OF EPIGASTRUM</u> YES,"); 

foreach (var error in htmlDoc.ParseErrors) 
{ 
    // Prints: TagNotOpened 
    Console.WriteLine(error.Code); 
    // Prints: Start tag <u> was not found 
    Console.WriteLine(error.Reason); 
}

來源

2010-07-02 10:35:18

不那麼容易。你不能直接使用HTML解析器，因爲它不是有效的HTML，但是你不能直接拋出一個正則表達式，因爲正則表達式不能處理嵌套或其他HTML複雜問題。

大概你可以做的最好的事情是使用正則表達式來找到每個標記結構，例如。例如：

<(\w+)(?:\s+[-\w]+(?:\s*(?:=\s*(?:"[^"]*"|'[^']*'|[^'">\s][^>\s]*)))?)*\s*> 
|</(\w+)\s*> 
|<!--.*?-->

從空標籤打開列表和空標籤關閉列表開始。對於字符串中的每個匹配項，查看組1和2以查看是否有開始或結束標記。（或者你可以忽略的評論。）

如果你有一個開始標籤，你需要知道它是否需要關閉，即。如果它是<img>之類的EMPTY內容模型標記之一。如果一個元素是EMPTY，它不需要關閉，所以你可以忽略它。（如果您有XHTML，則會更容易一些。）

如果您有開始標記，請將正則表達式組中的標記名稱添加到標記關閉列表中。如果你有一個結束標籤，從標籤到結束列表的末尾取一個標籤（它應該與標籤名稱相同，否則你的標籤無效）。如果沒有標籤標籤 - 關閉列表，而是將標籤名稱添加到標籤打開列表中

一旦您到達輸入字符串的末尾，請將每個標籤打開標籤添加到字符串以相反的順序，並追加標籤 - 關閉到結束，再次以相反的順序。

（是的，我解析HTML與正則表達式。我認爲這種無效性爲什麼你不想要，如果有什麼可以做的，以避免已經在標籤的中間刪除了標記，那就這麼做）。

來源

2010-07-02 10:07:17 bobince

html標記和正則表達式不是一個好主意 – 2010-07-02 13:56:21

天哪，真的，你覺得呢？ – bobince 2010-07-02 16:46:59

檢查未打開的標籤的HTML字符串

回答

相關問題