文章/答案/技术大牛

发布

问Anglesharp规范化/修复html
EN

Stack Overflow用户

提问于 2019-05-17 08:56:40

回答 1查看 705关注 0票数 0

我有这段html

<div>
  Outside paragraph
  <p>In paragraph</p>
</div>

正如你所看到的，有一个Outside paragraph文本，在段落之外，是不需要的情况。

是否有任何AngleSharp方法(如果不是Anglesharp，那么还有其他方法)允许我对这段html进行规范化/修复，这样看起来如下：

<div>
  <p>Outside paragraph</p>
  <p>In paragraph</p>
</div>

所以，一段将Outside paragraph放入段落的代码

html

parsing

anglesharp

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-05-17 13:53:03

AngleSharp没有提供这样的自定义逻辑，但它为您提供了推出您自己的规范化方案的手段。

在下面的示例中，我使用TreeWalker来简化仅对文本节点的迭代。

代码寻找动态插入段落的给定条件。

var context = BrowsingContext.New();
var document = await context.OpenAsync(res => res.Content("foo<div>Outside<p>Inside</p></div>bar"));
var walker = document.CreateTreeWalker(document.Body, AngleSharp.Dom.FilterSettings.Text);

while (walker.ToNext() != null)
{
    var current = walker.Current;

    // if just whitespace, e.g., formatting line breaks, or in p anyway - skip
    if (
        (current.TextContent.Trim().Length == 0) ||
        (current.ParentElement.LocalName == "p"))
    {
        continue;
    }
    // if next to paragraph perform the normalization
    else if (
        (current.PreviousSibling is IElement previous && previous.LocalName == "p") ||
        (current.NextSibling is IElement next && next.LocalName == "p"))
    {
        var newNode = document.CreateElement("p");
        current.ReplaceWith(newNode);
        newNode.Append(current);
    }
}

document.Body.ToHtml().Dump();

倾弃的结果如下：

<body>foo<div><p>Outside</p><p>Inside</p></div>bar</body>

这可能不是你所需要的一切，但应该给你一个正确的方向。

注意:您还可以使用自己的(递归)迭代或使用(例如，自定义IMarkupFormatter )将规范化作为序列化。有多种方法。给定的操作可以改变DOM --因此，进一步的操作(不仅仅是序列化)是可能的。

希望这能帮上忙！

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/56182951

复制

相似问题

问Anglesharp规范化/修复html
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Anglesharp规范化/修复htmlEN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Anglesharp规范化/修复html
EN