C# 是否可以修复已取消扫描的html<；及>；角色？

例如，如果我有以下html：

<div>this is a test < text</div>

这是一个测试

测试后的<是一个错误，应该使用正确的html

<div>this is a test &lt; text</div>

这是一个测试文本

但是我有很多html文件由于错误没有被编码，我需要修复这个错误，以便以后可以解析它们。原始数据源不可用，因此唯一的选择是修复我的html

嗯，相同的规则适用于>字符和同时包含<和>字符（如“-”的文本）。我想听听能帮助我的算法或库的想法。谢谢

注意：上面的html示例是一个示例，应该在大型html文件上完成此工作。

我建议：

识别并映射所有已知标记的位置，如

和

。 在步骤1中构建的映射之外的任何地方替换。

使用类似for.NET的“轻松”HTML解析器将非常适合。获取库解释的树，然后在每个节点值中，替换相应的<和>

---

请参见此处的示例：

执行此操作的慢方法是将每个HTML文件视为XML文件。然后解析该XML文件的每个节点，并对该节点的内容执行Server.HTMLEnocde。因为HTML只是一组定义好的XML，所以应该可以使用。

1）对于所有已知的HTML标记，替换为其他一些字符，如{{{{和}}}。您可以像这样或多或少地使用正则表达式：

Regex.Replace(source,"</?((b|a|i|table|td|all|other|known|html|tags)( [^>]*))>","{{{$1}}}");

Regex.Replace（source，“]*）>”，“{{{$1}}”）；

2） 将<替换为<，将>替换为>

---

3） 将{{{替换为<，将}}替换为>

，这实际上不是一个错误。HTML允许有一个未编码的<字符，如果后面跟一个空格。这实际上是一个很好的事实，我不知道：）那么>字符的规则呢？如何在html中不允许转义？但不允许XHTML将其转义。@Karim

在html中的任何地方都不必转义。这是不可能的，因为此html不会被视为有效的xml。即使使用诸如Htmlagibility pack之类的工具，它也是无效的，因为它会将此未转义的<视为标记。我认为这是不可能的，因为在每个节点中替换<和>，实际上会替换子节点，最终我将拥有一个带有大量转义子节点的实体，这不会发生，因为树是基于可识别的标记构建的，并且实际的标记不会使用节点值进行修改。但请随意使用更繁琐、更容易出错的方法：）