C# 移除未关闭的开口<；p>；来自xhtml文档的标记

我有一个很大的xhtml文档，里面有很多标签。我注意到一些未关闭的开始段落标记重复了不必要的内容，我想删除它们或用空格替换它们。 我只想编码以识别未关闭的段落标记并删除它们

这里有一个小样本来说明我的意思：

<p><strong>Company Registration No.1</strong> </p>
<p><strong>Company Registration No.2</strong></p>

<p>      <!-- extra tag -->
<p>      <!-- extra tag -->

<hr/>     

<p><strong> HALL WOOD (LEEDS) LIMITED</strong><br/></p>
<p><strong>REPORT AND FINANCIAL STATEMENTS </strong></p>

公司注册号1

公司注册号2




霍尔伍德（利兹）有限公司

报告和财务报表

---

有人能给我控制台应用程序的代码，只是为了删除这些未关闭的段落标记。

您必须了解，创建了什么样的DOM树。它可以被解释为

<p><strong>Company Registration No.1</strong> </p>
<p><strong>Company Registration No.2</strong></p>

<p>      <!-- extra tag -->
  <p>      <!-- extra tag -->
    <hr/>     
    <p><strong> HALL WOOD (LEEDS) LIMITED</strong><br/></p>
    <p><strong>REPORT AND FINANCIAL STATEMENTS </strong></p>
  </p>
</p>

公司注册号1

公司注册号2




霍尔伍德（利兹）有限公司

报告和财务报表

或

公司注册号1

公司注册号2




霍尔伍德（利兹）有限公司

报告和财务报表

您可以尝试查找嵌套的p标记，并将内部内容移动到外部p标记，然后删除保留为空的内部p标记。无论如何，我认为您需要首先分析DOM树。

这应该可以：

public static class XHTMLCleanerUpperThingy
{
    private const string p = "<p>";
    private const string closingp = "</p>";

    public static string CleanUpXHTML(string xhtml)
    {
        StringBuilder builder = new StringBuilder(xhtml);
        for (int idx = 0; idx < xhtml.Length; idx++)
        {
            int current;
            if ((current = xhtml.IndexOf(p, idx)) != -1)
            {
                int idxofnext = xhtml.IndexOf(p, current + p.Length);
                int idxofclose = xhtml.IndexOf(closingp, current);

                // if there is a next <p> tag
                if (idxofnext > 0)
                {
                    // if the next closing tag is farther than the next <p> tag
                    if (idxofnext < idxofclose)
                    {
                        for (int j = 0; j < p.Length; j++)
                        {
                            builder[current + j] = ' ';
                        }
                    }
                }
                // if there is not a final closing tag
                else if (idxofclose < 0)
                {
                    for (int j = 0; j < p.Length; j++)
                    {
                        builder[current + j] = ' ';
                    }
                }
            }
        }

        return builder.ToString();
    }
}

公共静态类XHTMLCleanerUpperThingy
{
私有常量字符串p=“”；
私有常量字符串closingp=“
”；
公共静态字符串清理xhtml（字符串xhtml）
{
StringBuilder=新的StringBuilder（xhtml）；
for（intidx=0；idx0）
{
//如果下一个结束标记比下一个标记更远
if（idxofnext

我已经用你的示例测试了它，它是有效的…虽然它对于一个算法来说是一个糟糕的公式，但它应该给你一个开始的基础

一个

不允许（官方）包含另一个

，因此不太可能进行第一次解释。当看到第二个孤岛时，它意味着关闭第一个孤岛。

有点棘手。我打赌该部分的DOM看起来像

../strong>

public static class XHTMLCleanerUpperThingy
{
    private const string p = "<p>";
    private const string closingp = "</p>";

    public static string CleanUpXHTML(string xhtml)
    {
        StringBuilder builder = new StringBuilder(xhtml);
        for (int idx = 0; idx < xhtml.Length; idx++)
        {
            int current;
            if ((current = xhtml.IndexOf(p, idx)) != -1)
            {
                int idxofnext = xhtml.IndexOf(p, current + p.Length);
                int idxofclose = xhtml.IndexOf(closingp, current);

                // if there is a next <p> tag
                if (idxofnext > 0)
                {
                    // if the next closing tag is farther than the next <p> tag
                    if (idxofnext < idxofclose)
                    {
                        for (int j = 0; j < p.Length; j++)
                        {
                            builder[current + j] = ' ';
                        }
                    }
                }
                // if there is not a final closing tag
                else if (idxofclose < 0)
                {
                    for (int j = 0; j < p.Length; j++)
                    {
                        builder[current + j] = ' ';
                    }
                }
            }
        }

        return builder.ToString();
    }
}