从 html 字符串中删除无效/错误放置的标签

Posted 2023-03-05

【中文标题】从 html 字符串中删除无效/错误放置的标签

【英文标题】：Remove invalid/incorrectly placed tags from html string

【发布时间】：2016-01-08 21:41:33

【问题描述】：

我想知道是否有一种好的（或足够好的）方法可以从 C# 中的 html 字符串中删除无效或放置不正确的 HTML 标签？

示例 1：<div> </div> </div> 应更改为 <div> </div> 示例 2：<div> </section> </div> 应更改为 <div> </div>

基本上，转换后的 html 字符串应该是经过 W3C 验证的标记。我知道这可能有点困难，也许有一个图书馆可以很好地完成这项工作？ 谢谢！

【参考方案1】：

我建议使用 HTMLTidy。

由于您使用的是 C#，因此有 tidy.net 项目。我认为您可以在 C# 代码中引用和使用一些 dll。

或者，您可以只使用 HTMLTidy 的命令行内容。

【讨论】：

感谢您的回复！我在这里找到了 Tidy 的 .NET 包装器：github.com/markbeaton/TidyManaged。该库的最新存储库可在此处找到：github.com/htacg/tidy-html5。我记得最终解决了生成无效 HTML 字符串的根本问题，而不是最终清理它:-)

【参考方案2】：

我最终修复了生成无效 HTML 字符串的根本问题。在这种情况下，解决主要问题（如果可能的话）比解决症状要好得多。