在 C# 中验证字符串中的 HTML 标签答案

【问题标题】：Validating HTML Tags in a String in C#在 C# 中验证字符串中的 HTML 标签
【发布时间】：2011-09-22 18:40:17
【问题描述】：

假设我们有以下 HTML 字符串。

string A = " <table width=325><tr><td width=325>test</td></tr></table>"
string B = " <<table width=325><tr><td width=325>test</td></table>"

我们如何根据 HTML 规范在 C# 中验证 A 或 B？

A 应该返回 true 而 B 应该返回 false。

【问题讨论】：

您可以解析字符串并将所有字符相加。如果其中任何一个是奇数，您可以假设它是无效的（对于这种情况）
我认为根据规范，您提供的两个 html 都完全不正确。
HTML4 和 HTML5 中有许多 HTML 标记不需要对有效 HTML 使用结束标记：optgroup、option、p、tbody、td、tr、tfoot、thead、th
我将固定在字符串 A 上。
是的，正如@alex 所说，计数根本不起作用。

标签： c# .net asp.net

【解决方案1】：

对于这种特定情况，您可以使用HTML Agility Pack 来断言 HTML 格式是否正确或是否有未打开的标签。

var htmlDoc = new HtmlDocument();

htmlDoc.LoadHtml(
    "WAVEFORM</u> YES, <u>NEGATIVE AUSCULTATION OF EPIGASTRUM</u> YES,");

foreach (var error in htmlDoc.ParseErrors)
{
    // Prints: TagNotOpened
    Console.WriteLine(error.Code);
    // Prints: Start tag <u> was not found
    Console.WriteLine(error.Reason); 
}

Checking a HTML string for unopened tags

【讨论】：

+1 用于使用现有库而不是尝试自己将其破解。
只是一个警告，虽然上面的例子有效，但这个：“
example

”不会触发任何解析器错误。
这也不会引发任何解析器错误：
@AndrewBullock 那是因为它确实是有效的 HTML。
@JeremeGuenther 您能否链接到您在偶然发现此问题时创建的 github bug 票证？

【解决方案2】：

首先要检查它是否是有效的 XML。

顺便说一句，我认为您的两个示例都不正确，因为您在两个示例中都省略了 </tr>。

【讨论】：

HTML 不是有效的 XML，XHTML 是。
@alex，没错，但至少这可能是一个开始，因为所有其他检查都非常困难
HTML4 和 HTML5 中有许多 HTML 标记不需要对有效 HTML 使用结束标记：optgroup、option、p、tbody、td、tr、tfoot、thead、th
@thekip 只要有一个没有结束标记的 HTML 元素，整个 XML 有效性检查就毫无意义。而且很有可能有一个。
XML 比 HTML 严格得多，并且 XMLReader 没有给出正确的结果。

【解决方案3】：

http://web.archive.org/web/20110820163031/http://markbeaton.com/SoftwareInfo.aspx?ID=81a0ecd0-c41c-48da-8a39-f10c8aa3f931

Github 链接：https://github.com/markbeaton/TidyManaged

这个人为 HTMLTidy 编写了一个 .NET 包装器。我没用过，但它可能是你要找的。p>

【讨论】：