是否使用类似HTML的功能管理（.NET）库？_.net_Html Parsing_Htmltidy

是否使用类似HTML的功能管理（.NET）库？

.net

是否使用类似HTML的功能管理（.NET）库？,.net,html-parsing,htmltidy,.net,Html Parsing,Htmltidy,是否有一个针对.NET的HTML清理程序可以解析HTML并（例如）将其转换为更为机器友好的格式，例如我尝试过HTML敏捷包，但它甚至无法正确解析示例要给出应正确解析的HTML示例，请执行以下操作： <html><title>test</title> <body> <ul><li>TestElem1 <li>TestElem2 <li>TestElem3 Li

是否有一个针对.NET的HTML清理程序可以解析HTML并（例如）将其转换为更为机器友好的格式，例如

我尝试过HTML敏捷包，但它甚至无法正确解析示例

要给出应正确解析的HTML示例，请执行以下操作：

<html><title>test</title>
<body>
    <ul><li>TestElem1
        <li>TestElem2
        <li>TestElem3 List:
            <ul><li>Nested1
                <li>Nested2</li>
                <li>Nested3
            </ul>
        <li>TestElem4
    </ul>
    <p>paragraph 1
    <p>paragraph 2
    <p>paragraph 3
</body></html>

由于其目的是在各种机器上使用库，因此需要退回到本机代码（如包装器）是一个很大的缺点，这将需要额外的部署麻烦并牺牲平台独立性，更不用说在沙盒场景中是不可能的了

有什么建议吗？总而言之，我正在寻找：

HTML清理器和HTML清理器
必须能够处理现实世界的HTML，而不仅仅是XHTML，至少正确阅读有效的HTML4
必须能够转换为更易于处理的XML格式
应该是一个纯托管的应用程序

试试看。

我还没见过整洁管理，如果我还需要类似的东西，我会看一看。然而，你的时间安排是不可思议的，因为我两周前写了一个补丁，在HTML agility pack中添加了对可选结束标记的支持：-我希望他们能集成它，就这样。看起来TidyManaged是一个包装器，而不是一个端口；这有点不方便，因为它在silverlight之类的环境中不起作用，而且需要知道编译时将在哪个平台上执行。尽管如此，对于许多应用来说，这些限制并不是问题。我在我的博客中列出了更多的HTML TidyLib for.Net的实现：-）很好的总结。这是一个棘手的问题；我不太确定我是否完全信任Html敏捷包。还有Majestic 12解析器，它听起来很健壮，但它实际上更像一个标记器——它不会修复或隐藏诸如缺少结束标记之类的东西。有很多整洁的，但即使整洁也不是完美的；如果html格式不正确（不仅仅是嵌套错误），tidy可能会拒绝完全处理输入，这使得在没有人工交互的情况下很难使用它（对于网站编辑器来说这很好，而对于搜索引擎来说则更少）。

<html><title>test</title>
<body>
    <ul><li>TestElem1</li>
        <li>TestElem2</li>
        <li>TestElem3 List:
            <ul><li>Nested1</li>
                <li>Nested2</li>
                <li>Nested3</li>
            </ul></li>
        <li>TestElem4</li>
    </ul>
    <p>paragraph 1</p>
    <p>paragraph 2</p>
    <p>paragraph 3</p>
</body></html>