如何在 html 输出中找到结束头标记答案

【问题标题】：How to find the end head tag in a html output如何在 html 输出中找到结束头标记
【发布时间】：2012-03-15 14:46:25
【问题描述】：

我想从 http 模块中页面的 html 输出中找到标签的索引。我正在使用

HTMLOutput.IndexOf("</head>");

其中 HTMLOutput 是字符串参数，它包含特定页面的整个 html 输出。使用上述方法，我能够找到结束头标签的索引，但只有当它是唯一的结束头标签时，当页面中有一些 javascript 函数插入一些动态 html 内容并包含一些结束头标签时，就会出现问题例如，在其中，

newWindow.document.writeln('</head>')

如果页面中有一些由第三方工具添加的注释行，其中包含。

所以我无法找到原始标签的索引，有人知道如何解决这个问题吗？可能是一些正则表达式或在这种情况下可以帮助我的东西。

谢谢，马克

【问题讨论】：

您必须为此使用 HTML 解析器，而不是正则表达式。
@Qtax 现在我正在使用 HTMLAgility 包，你能建议我如何找到标签
您需要编写 Xpath 以在 Html Agility pack 中查找特定元素。访问此处以了解有关 kossovsky.net/index.php/2009/07/… 的更多信息
@Mac，我对 C# HTML 解析器一无所知，因此无法帮助您。我猜你可以使用解析器找到完整的head 元素，获取它在输入字符串中的起始位置，以及它的内容长度，然后使用这些数字来计算</head> 的位置（如果解析器不能直接给你）。
@Mac：为什么要查找结尾<head>标签的索引？你想在里面/外面注入一些东西吗？

标签： c# regex string html-parsing html-agility-pack

【解决方案1】：

如果你可以确保所有的 javascript 代码都在标签中，那么你可以使用

HTMLOutput.LastIndexOf("</head>");

但更好的是使用“HTMLAgilityPack”并解析您的内容。

【讨论】：

【解决方案2】：

您可以使用 Html Agility Pack 找到 <head> 标签，然后在其中注入您的 <script> 元素：

var doc = new HtmlDocument();
doc.LoadHtml(HTMLOutput);
var head = doc.DocumentNode.SelectSingleNode("//head");
head.AppendChild(HtmlNode.CreateNode("<script>...</script>"));

要获得结果 HTML，您可以使用：

using (StringWriter writer = new StringWriter())
{
    doc.Save(writer);
    HTMLOutput = writer.ToString();
}

现在HTMLOutput 变量保存了修改后的 HTML。

【讨论】：

我是否必须保存或其他内容，因为上述更改未反映在页面加载后
如果我继续使用 HTMLOutput = doc.DocumentNode.OuterHtm() 会怎样，它们是相同的还是与您更新的代码部分有任何差异。虽然两者对我来说都很好，谢谢你
@Mac：实际上没有区别。但在某些情况下，.OuterHtml 可能会产生不正确的结果。请参阅this 答案。