c# - XmlReader：无法解析不带引号的属性

Question

我试图解析的一段 HTML 包含一些不带引号的属性值，例如宽度和高度属性：

<img src="/static/logo.png" width=75 height=90 />

在 C# 代码中，阅读器会一直读取到下一个锚标记。

while (reader.ReadToFollowing("a"))

此语句报告 XmlException：

'75' is an unexpected token. The expected token is '"' or '''. Line 16, position 37.

是否有一些 XmlReaderSetting 使 XmlReader 更宽松？我无法控制生成的 HTML。

Answer 1

为了阅读 HTML，您需要为此目的设计的阅读器。HtmlAgilityPack可以在这里为您提供帮助，相关问题的答案中提到的SgmlReader也可以。

HTML不是XML。它们都基于SGML，但遵循不同的规则。XML 具有比 HTML 更严格的规则，其中包括需要关闭所有标签以及用单引号或双引号将属性括起来。因此，除非您正在解析符合 XML 的 XHTML，否则 XmlReader 将无法为您工作。

Answer 2

您也可以使用 WebBrowser 控件。将文件加载到其中并从 WebBrowser.Document 属性中获取 HtmlDocument。然后，您可以循环通过控件。