命令行 HTML 漂亮打印机：使凌乱的 HTML 可读 [关闭]答案

【问题标题】：A command-line HTML pretty-printer: Making messy HTML readable [closed]命令行 HTML 漂亮打印机：使凌乱的 HTML 可读 [关闭]
【发布时间】：2011-01-12 14:45:52
【问题描述】：

我正在寻找符合以下要求的 HTML 漂亮打印机的推荐：

将 HTML 作为输入，然后输出给定输入 HTML 格式良好/缩进正确但“图形等效”的版本。
必须支持命令行操作。
必须是开源的并在 Linux 下运行。

【问题讨论】：

其他选项有pup（不带参数）、xmllint --format --html -和xml fo --html。
卷曲httpbin.org |整洁-im
另外：来自 html-xml-utils (Debian) 的 hxnormalize
相关：stackoverflow.com/questions/16090869/… 你也可以查看 XML 工具
老实说，我确实很难理解为什么这被认为是题外话......

标签： html pretty-print tidy

【解决方案1】：

看看 HTML Tidy 项目：http://www.html-tidy.org/

HTML 工具的鼻祖，支持现代标准。

曾经有一个名为 tidy-html5 的分支，后来成为官方的东西。这是它的GitHub repository。

Tidy 是适用于 Mac OS X、Linux、Windows、UNIX 等的控制台应用程序。它通过修复标记错误并将遗留代码升级到现代标准来纠正和清理 HTML 和 XML 文档。

根据您的需要，这里是调用 Tidy 的命令行：

tidy inputfile.html

【讨论】：

谢谢！ “tidy -i -m -w 160 -ashtml -utf8 index.html” 成功了！事实证明 tidy 默认安装在 MacOS X 中 - 太棒了！
Tidy 一直在努力获得缩进，直到我使用此选项运行它（而不是使用 -i: tidy --indent yes 让它默认为“自动”）
Tidy 作为验证器/lint 工具很棒，但不如代码美化器那么好。两个问题：（1）它只能对文件进行操作，不能对标准输入进行操作（例如，您不能将选定的文本从 Notepad++ 发送到 tidy.exe，并将格式化的代码输出回 Notepad++）； (2) 大量代码格式化有问题，例如：<form><input><input><input><input><input></form>。
当它无法理解文本时它也会修改文件。
关于tidy-html5的一点说明，如果你使用内联javascript，你需要包含type="text/javascript"否则tidy会添加<![CDATA[

【解决方案2】：

2018 年更新：homebrew/dupes 现已弃用，可直接安装 tidy-html5。

brew install tidy-html5

原回复：

来自 OS X 的Tidy 不支持HTML5。但是Github 上有一个实验分支。

得到它：

 brew tap homebrew/dupes
 brew install tidy --HEAD
 brew untap homebrew/dupes

就是这样！玩得开心！

【讨论】：

Error: No available formula with the name "tidy"。 brew install tidy-html5 工作。
确实 brew install tidy-html5 有效，您也不需要自制软件/骗子。
Tidy 不仅仅是格式化 HTML。它将删除空标签并重新排序技术上无效的HTML，浏览器接受（阅读：在互联网上使用）。 <p class="a"><div class="b"></div></p> 被重新排序为 <p class="a"></p><div class="b"></div> 和类似 <p><div></div></p> 的东西被删除。见this GitHub issue。如果你使用 tidy，你应该在安静模式下运行它 tidy -q 并且不要忽略任何像 trimming empty <p> 这样的警告。不要在不是你写的 HTML 上使用它。

【解决方案3】：

要对这个问题有一个更新的、与操作系统无关的答案：

虽然 original HTMLTidy 项目一直是 dormant for over 6 years，但名为 "HTML Tidy Advocacy Community Group (HTACG)" 的 "W3C Community & Business group" 现在已经开始继续开发，目标是使其完全成为 HTML5-兼容。该小组成立于 2015 年 1 月，尽管他们将当前状态描述为“正在进行中”，但二进制文件已经可供下载。

项目主页：http://www.html-tidy.org/
W3C 组页面：https://www.w3.org/community/htacg/
Github 存储库：https://github.com/htacg/tidy-html5
二进制下载：http://www.htacg.org/binaries/

【讨论】：

【解决方案4】：

我认为HTML tidy 是该领域家喻户晓的名字之一。

【讨论】：

【解决方案5】：

只是对 OT 问题的后期跟进。

Homebrew 如您所愿安装了tidy-html5。

链接为tidy5。

【讨论】：

Tidy 仍然主要用作 HTML 格式化程序和验证程序，而不是 HTML 解析器。 基于规则可以使用哪个工具进行HTML解析：在代码中搜索具有指定'class'或'id'的目标元素（标签），并将它们与内容（子标签）一起删除？加上删除指定的标签。
@triwo 如果您有新问题，尤其是与原始问题无关的问题，请发布新问题 :) 需要注意的是工具/库/等的请求。通常被认为是题外话。一般来说，任何带有 XPath 或 CSS 选择器查询的 HTML 解析器都应该能够以任意方式操作 DOM。