C＃版本的HTML Tidy？

Question

我只是尋找一個非常簡單的方法來清理一些HTML（可能與嵌入的JavaScript代碼）。我試過twodifferentHTML Tidy .NET端口和兩個都拋出異常...

對不起，「乾淨」我的意思是「縮進」。 HTML的格式不正常。這是嚴格的XHTML。

---

我終於得到的東西與SGML的工作，但是這是嚴重的代碼最可笑的大塊以往任何時候都縮進一些HTML。

private static string FormatHtml(string input) 
{ 
    var sgml = new SgmlReader {DocType = "HTML", InputStream = new StringReader(input)}; 
    using (var sw = new StringWriter()) 
    using (var xw = new XmlTextWriter(sw) { Indentation = 2, Formatting = Formatting.Indented }) 
    { 
     sgml.Read(); 
     while (!sgml.EOF) 
      xw.WriteNode(sgml, true); 
    } 
    return sw.ToString(); 
} 

Answer 1

HTML Tidy的最新C＃包裝由Mark Beaton完成，它看起來比您引用的鏈接（2003）的鏈接更新。另外值得注意的是，Mark還提供了用於引用的可執行文件，而不是將其從官方網站中提取出來。這應該做的很好的組織和驗證你的HTML的伎倆。

• TidyManaged (source)
• TidyManaged/libtidy builds

Answer 2

UPDATE：

檢查HtmlTextWriter或XhtmlTextWriter，用法：Formatting Html Output with HtmlTextWriter，也許HTML construction via HtmlTextWriter會更好？

同時檢查：LINQ & Lambda, Part 3: Html Agility Pack to LINQ to XML Converter

http://www.manoli.net/csharpformat/，這裏source code你錯過情況。

---

也許你想自己做？此項目可幫助您：Html Agility Pack

什麼是Html Agility Pack（HAP）？

這是一個敏捷的HTML解析器，它構建了一個讀/寫DOM並支持普通的XPATH或XSLT（實際上，您不需要理解XPATH或XSLT就可以使用它，不用擔心）。它是一個.NET代碼庫，允許您解析「離開網頁」的HTML文件。解析器對「真實世界」格式錯誤的HTML非常寬容。對象模型與提出System.Xml非常相似，但是對於HTML文檔（或流）。

Html Agility Pack現在支持Linq to Objects（通過LINQ to Xml Like界面）。檢查出新的測試版使用此功能發揮

示例應用程序：

• 頁固定或產生。你可以按照你想要的方式修改一個頁面，修改 DOM，添加節點，複製節點， 以及...你的名字。

• 網頁掃描儀。 您可以使用一堆XPATH查詢輕鬆獲取img/src或 a/hrefs。

• 刮刀。例如，您可以輕鬆地將任何現有網頁的 剪貼到RSS 供稿中，僅使用XSLT 文件作爲綁定。提供了一個 的例子。

---

你也可以試試這個實施：A managed wrapper for the HTML Tidy library

Answer 3

我用SGML Reader將HTML轉換成XHTML過去。可能值得研究...

我從來沒有任何問題，當我使用它。