HtmlAgilityPack 自动关闭表单标签答案

【问题标题】：HtmlAgilityPack close form tag automaticallyHtmlAgilityPack 自动关闭表单标签
【发布时间】：2011-08-18 08:44:08
【问题描述】：

我想用这段代码解析一个 html 文件：

<div><form>...</div>...</form>

问题在于 HtmlAgilityPack 会在 div 结束标记之前自动关闭表单标记： <div><form>...</form></div>...</form> 所以当我解析表单时，一些表单元素丢失了。（我只得到自动添加标签之前的元素）

我已经试过了：

htmlDoc.OptionFixNestedTags = false;
htmlDoc.OptionAutoCloseOnEnd = false;
htmlDoc.OptionCheckSyntax = false;
HtmlNode.ElementsFlags.Remove("form");
HtmlNode.ElementsFlags.Add("form", HtmlElementFlag.CanOverlap);
HtmlNode.ElementsFlags.Add("div", HtmlElementFlag.CanOverlap);

但没有任何帮助！

感谢您的帮助！

【问题讨论】：

标签： .net html html-agility-pack

【解决方案1】：

以下似乎对我有用：

HtmlAgilityPack.HtmlNode.ElementsFlags.Remove("form");

_document = new HtmlDocument();
_document.OptionAutoCloseOnEnd = true;
_document.LoadHtml(content);

【讨论】：

【解决方案2】：

这取决于你想在文本被解析后以编程方式做什么。如果你不想对它做任何特别的事情，下面的代码：

    HtmlDocument doc = new HtmlDocument();
    doc.LoadHtml("<div><form>form and div</div>form</form>");

    doc.Save(Console.Out);

将显示完全相同的字符串，即：

<div><form>form and div</div>form</form>

因为该库的设计初衷就是尽可能地保留原始 Html。

但就它在 DOM 中的表示方式以及错误而言，这是另一回事。您不能同时拥有 1) 重叠元素 2) 类似 XML 的 DOM（不支持重叠）和 3) 没有错误。

所以这取决于你解析后要做什么。

【讨论】：

我需要遍历表单子标签。所以问题是我没有得到所有的子标签，只有孩子，直到自动添加标签。
@ido - 嗯...就像我说的，你可以同时拥有重叠的标签和 DOM（父/子关系）。
嗯，我正在解析一个网站，它确实......并且需要一个解决方案
同一条船。 HAP 正在做一些奇怪的事情。我会传递一大块标记来修改它，它会对其进行更改，我没有要求。不是我所期望的。
@jon - 如果您有具体问题，请发布一个新问题。