C++ C/C++；，libxml2：解析HTML片段

我需要解析现实生活中的HTML文档。在大多数情况下，它们是格式良好的，但有时（不能忽略）它们显示为在根级别具有多个兄弟的片段。
例如：

如果我使用上面的示例向其提供信息，然后从解析的文档中转储HTML：

<div>one<div>two</div></div>

onetwo

正如您所见，它嵌套了元素，而我的要求是不破坏HTML。我还希望能够在由这些片段创建的树上运行XPath表达式。在本例中，要访问第二个DIV，可以使用“/DIV[2]”

---

所以问题是是否有可能解析这些类型的HTML以及如何解析？

我想您需要HTML到xml的转换。在Java中我使用JSoup，但stackoverflow肯定知道如何在c中使用它。第一步：PHP的DOM组件使用Libxml2。在使用PHP时，我发现了以下解决方法：

HTML_PARSE_NOERROR | HTML_PARSE_RECOVER | HTML_PARSE_NODEFDTD | HTML_PARSE_NOIMPLIED

<div>one<div>two</div></div>