22

我在我的应用程序中嵌入了 HTML Tidy 来清理传入的 HTML。但是 Tidy 有大量的错误，直接在源代码中修复它们是我最糟糕的噩梦。整洁的源代码是不可读的可憎之物。数千行函数，糟糕的变量命名，意大利面条代码等。这真是太可怕了。

更糟糕的是，官方开发似乎已经停止。在过去的 12 个月里，官方 CVS 回购中有3笔写交易。但它已经死了，埋葬的时间比这要长得多……

所以我正在寻找一个 OSS C 或 C++ 应用程序/库，它可以做 Tidy 可以做的事情（当感觉像它时）：修复错误的 HTML 标记并将其转换为有效的 XHTML（这是我感兴趣的部分）。我的意思是各种不好的标记。

那里有类似的东西吗？

编辑：我既需要它来通过 XML 处理工具对 DOM 树进行操作，又需要它来普遍遵守 XHTML 规范。我的应用程序需要接受来自用户的 HTML（这通常以各种方式无效）并输出有效的 XHTML。它需要能够处理通常不会在浏览器中显示的 HTML，因为用户手动编辑它并且事后没有检查。

Tidy 的纠错解析器的替代品......这并不糟糕。如果源代码可读并且我可以自己修复问题，或者如果有活跃的开发人员及时提供错误修复，我不介意错误。

4

4 回答 4

2

你能告诉我们你打算用这个工具做什么吗？例如，您是要修复静态网页，还是要在其他操作之前进行某种过滤步骤，以便某些工具可以处理有问题的网页？

就我个人而言，只要我需要，我就会在 Python 的 BeautifulSoup 或 lxml 上编写自己的工具 --- 它最多只有十几行脚本，可以完成我想要的大部分工作。

于 2010-02-21T18:55:05.647 回答
2

有一个新的、漂亮的、合适的 HTML 5 支持 Tidy，所以旧的、丑陋的Tidy的替代品是Tidy（GitHub 存储库）。

于 2015-09-29T18:52:22.760 回答
1

试试漂亮的差异。这是一种非常出色的美化算法，它不对您的输入做出任何假设。

http://prettydiff.com/?m=beautify&html

于 2011-12-10T12:49:47.147 回答
0

对于真正修复代码的东西，最好的选择仍然是 HTML Tidy。有很多 linter，但除了 Tidy 之外，没有任何东西可以修复 HTML 错误。

乍一看，现代 OOP 程序员可能会认为源代码是不可读的可憎之物，但在 C 世界中，Tidy 是一个非常复杂的库，它使用了许多高级 OO 概念并提供了一个非常周到的接口，几乎暴露了它的所有功能在纯 C API 中。

一个随便的开发者会迷路，但一旦沉浸其中，代码还是相当漂亮的。诚然，命名约定是一个混合的坏，但 PR 是受欢迎的！

于 2017-10-11T01:30:36.750 回答