C# 版本的 HTML Tidy？答案

【问题标题】：C# version of HTML Tidy?C# 版本的 HTML Tidy？
【发布时间】：2011-04-29 11:26:12
【问题描述】：

我只是在寻找一种非常简单的方法来清理一些 HTML（可能使用嵌入式 JavaScript 代码）。我试过two different HTML Tidy.NET 端口，两者都抛出异常......

抱歉，“干净”是指“缩进”。 HTML 完全没有格式错误。这是XHTML严格。

我终于得到了使用SGML的东西，但这确实是缩进某些HTML的最荒谬的代码块。

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();
}

【问题讨论】：

所以你只是想重新格式化你的源代码？你可以使用任何 web-ide 或 Notepad++。
@Nick：我意识到这一点，但我不尝试重新格式化我已经拥有的 HTML 文件.. 我正在尝试重新格式化我正在生成的 HTML C# 应用程序...
检查 HtmlTextWriter，我更新了答案
只是为了自我推销，my version 从 2007 年回到代码项目。仍在商业项目中使用它。

标签： c# .net html htmltidy

【解决方案1】：

Beautifier 提供 html 我用的是 html-beautify。例如

const beautified = html_beautify("<div><p></p></div>");
console.log(beautified)

&lt;script src="https://cdnjs.cloudflare.com/ajax/libs/js-beautify/1.14.0/beautify-html.min.js"&gt;&lt;/script&gt;

【讨论】：

欢迎来到 Stackoverflow。这个问题是关于 C# 的。您的回答似乎建议使用 JS 库。请保持你的答案在主题上。

【解决方案2】：

您可以使用 HtmlAgilityPack（从 nuget 添加此包）。

代码示例：

string html = "<div><p>line 1<br>line 2</p><span></div>";
var htmlDoc = new HtmlAgilityPack.HtmlDocument();
htmlDoc.LoadHtml(description);
var fixedHtml = htmlDoc.DocumentNode.OuterHtml;

输出：

<div><p>line 1<br />line 2</p><span></span></div>

【讨论】：

【解决方案3】：

AngleSharp 100% c#

    var parser = new HtmlParser();

    var document = parser.Parse("<html><head></head><body><i></i></body></html>");

    var sw = new StringWriter();
    document.ToHtml(sw, new PrettyMarkupFormatter());

    var HTML_prettified = sw.ToString());

【讨论】：

看起来是一个很棒的项目，但它并没有清理 HTML。如果他们提供一些选项来实际清理 html，或者更好地转换为 XHTML，那就太好了，但它似乎并不针对这些场景。
这应该是公认的答案。它是 100% 的 C#，并在 5 行代码中完成了 OP 的要求。

【解决方案4】：

HTML Tidy 的最新 C# 包装器由 Mark Beaton 完成，它似乎比您引用的链接 (2003) 更新得多。另外值得注意的是，Mark 也提供了可执行文件供参考，而不是从官方网站上提取它们。这应该可以很好地组织和验证您的HTML。

【讨论】：

构建仅用于 tidylib，而不是 C# 包装器。您还需要从源代码构建 TidyManaged。我正在运行一台 64 位机器，但无论出于何种原因，只有 32 位 tidylib dll 可以工作。我不得不把它放在 c:/windows/system.此外，Beaton 提供的示例不会缩进您的 HTML——这是我唯一想要的——你需要添加 doc.IndentBlockElements = AutoBool.Auto... 有点棘手。
同意，我在迁移到 x64 后变得相当不稳定，并且 tidylib 抛出异常“BadImageFormatException 发生 - 尝试加载格式不正确的程序。（来自 HRESULT 的异常： 0x8007000B）”。在 TidyManaged github.com/markbeaton/TidyManaged/issues/3 上发布了一个错误
通过在配置管理器中将 TidyManaged 项目和引用它的项目中的项目更改为 x86 并使用 32 位版本的 libtidy，我已设法使其在 Windows 7 64 位上运行。 dll。
我刚刚在 64 位 Windows 7 下尝试了我的 64 位 libtidy.dll 构建，只要 TidyManaged 包装器代码是使用“任何 CPU”构建的，并且您的引用项目也是“任何 CPU”，一切正常。如果在 ASP.NET 下运行，您需要确保您的应用程序池也在 64 位模式下运行（“启用 32 位应用程序”应该为 false）。此外，您不需要将 libtidy.dll 放入系统目录 - 只需将其放入应用程序的 bin 文件夹就足够了。
另外，我刚刚将 TidyManaged .NET 包装器库的“任何 CPU”版本上传到 GitHub：github.com/markbeaton/TidyManaged/downloads

【解决方案5】：

更新：

检查HtmlTextWriter或XhtmlTextWriter，用法：Formatting Html Output with HtmlTextWriter，也许HTML construction via HtmlTextWriter会更好？

同时检查：LINQ & Lambda, Part 3: Html Agility Pack to LINQ to XML Converter

http://www.manoli.net/csharpformat/，这里是source code，以防你错过。

也许你想自己做？这个项目可能会有所帮助：Html Agility Pack

什么是 Html Agility Pack (HAP)？

这是一个敏捷的 HTML 解析器，它构建一个读/写 DOM 并支持普通的 XPATH 或 XSLT（实际上你不必了解 XPATH 或 XSLT 就可以使用它，不用担心......）。它是一个 .NET 代码库，允许您解析“网络之外”的 HTML 文件。解析器对“真实世界”格式错误的 HTML 非常宽容。对象模型与 System.Xml 的提议非常相似，但用于 HTML 文档（或流）。

Html Agility Pack 现在支持 Linq to Objects（通过 LINQ to Xml Like 接口）。查看新的测试版以使用此功能

示例应用程序：

页面修复或生成。你可以以您想要的方式修复页面，修改 DOM，添加节点，复制节点，嗯......你的名字。

网络扫描仪。您可以轻松访问 img/src 或带有一堆 XPATH 查询的 a/hrefs。

网络爬虫。您可以轻松报废任何现有网页到 RSS 例如，只有一个 XSLT 文件作为绑定。一个提供了这方面的示例。

你也可以试试这个实现：A managed wrapper for the HTML Tidy library

【讨论】：

我听说过并且过去经常使用 HtmlAgilityPack..但是它可以整理 HTML 吗？
HAP 不是 Tidy 的替代品，它可以为你构建 DOM，你可以相应地处理它。此外，我不确定解析格式错误的 HTML 是否足够聪明（如果您必须处理一些奇怪的事情）。顺便说一句，您能否更好地定义“干净”的含义，必须应用哪些规则？如果您只需要不定期清理一些文件，您也可以使用原始 HTML Tidy (bit.ly/aahXs8) 而无需依赖包装器。
我不需要处理 DOM，我只想缩进它。我特别想要一个 C# 版本，因为我需要在我的 C# 项目中使用它。我正在生成一些 HTML 作为字符串，我想获取该字符串，将其缩进，然后输出另一个字符串。不多也不少。认为很容易找到一个图书馆来做到这一点。
那个代码项目看起来不错，但它也不能编译。 DLL 链接器错误。
另外，我需要参考什么 DLL 才能访问 HtmlTextWriter？我在VS2010的任何地方都找不到它。 System.Web.UI 不存在。

【解决方案6】：

我过去曾使用SGML Reader 将HTML 转换为XHTML。可能值得研究...

我在使用它时从未遇到任何问题。

【讨论】：

格式化一些 HTML 有点荒谬，但它确实有效。谢谢:)