我正在尝试将一段（可能）格式错误的 HTML 加载到 XMLDocument 对象中，但它因 XMLExceptions 而失败......因为有额外的打开/关闭标签和格式错误的 XML 标签，例如<img >而不是<img />
如何让 XML 解析数据中的所有错误？在解析之前是否可以应用任何 XML 验证器来纠正这些错误？还是会处理异常解析任何可以解析的东西？
问问题
6201 次
6 回答
15
HTML Agility Pack将解析 html，而不是 xhtml，并且非常宽容。如果您使用过XmlDocument.
于 2009-06-15T14:56:38.830 回答
2
您可能想查看这个问题的答案。
基本上在beautifulsoup 的.NET 端口和HTML 敏捷包之间有一种方法。
于 2009-06-15T14:56:54.697 回答
1
您不太可能构建具有这种格式错误结构的 XmlDocument。XmlDocument（据我所知）要求 xml 内容遵守正确的嵌套和闭包语法。
但是，您怀疑您可以使用 XmlReader 来解析它。如果遇到某些严重错误，它仍然可能抛出异常，但根据 MSDN 文档，它至少可以披露错误的位置。
如果您只是处理 HTML，那么HTML Agility Pack可以满足您的目的。
于 2009-06-15T14:57:32.120 回答
1
根据具体需要，您可以使用HTML Tidy清理文档，然后使用 XMLDocument 对象将其导入。
于 2009-06-15T15:00:17.480 回答
0
你想做的事情非常困难。无法使用 XML 解析器解析 HTML，因为 XML 是严格的，而 HTML 不是。如果该 HTML 符合 XHTML（HTML 作为 XML），那么 XML 解析器将毫无问题地解析 HTML。
如果您真的想为 HTML 使用 XML 解析器，您可能想看看是否有任何 HTML 到 XHTML 转换器。
换句话说，我还没有遇到一个处理格式错误的 XML 的 XML 解析器......它们的设计目的不是接受像 HTML 这样的松散标记（也有充分的理由:)）
于 2009-06-15T14:56:17.693 回答
0
您不能将格式错误的 XML 加载到XmlDocument.
查看CodePlex 上的Html Agility Pack
于 2009-06-15T14:58:12.243 回答