修復html tidy無法修復的格式不正確的HTML

Question

好的，所以我一直在利用HTML tidy將常規HTML網頁轉換爲適合解析的XHTML。問題是我保存在firefox中的測試頁面在保存期間顯然已經被firefox預先清理過了，稱爲File F. Html tidy在文件F上工作正常，但是通過.NET將原始數據寫入文件失敗（文件N ）。 Html tidy抱怨表單標籤與表標籤混合在一起。 Html不是我的，所以我不能修復源代碼。

如何清理文件N足以使其可以通過Html tidy運行？有沒有一種標準的方式連接到Firefox（完全編程而不必使用鼠標或鍵盤）或另一個工具，將額外修復的HTML？

Answer 1

我一直在使用HTML tidy一段時間，但後來發現我從TagSoup得到了更好的結果。

它可以用作JAXP解析器，即時轉換非格式化的HTML。我通常讓它解析輸入爲Saxon XQuery轉換。

但它也可以作爲一個獨立的實用程序，作爲一個可執行的jar。

Answer 2

我在C＃中使用SendKeys並從user32.dll中導入函數以將Firefox設置爲活動窗口，然後將其啓動到我想要的網站（file：/// myfilepathhere /）。

SendKeys似乎需要運行窗口程序，所以我還添加了另一個可執行文件，它在其form_load（）方法中執行操作。

通過使用alt + f，向下六次，輸入，等待一會兒，鍵入完整路徑文件名，輸入（兩次），然後殺死Firefox，我能夠自動化firefox的能力來清理一些html。