C# Anglesharp规范化/修复html_C#_Html_Parsing_Anglesharp

C# Anglesharp规范化/修复html

c# html parsing

C# Anglesharp规范化/修复html,c#,html,parsing,anglesharp,C#,Html,Parsing,Anglesharp,我有这段html <div> Outside paragraph <p>In paragraph</p> </div> 因此，一段将置于段落之外的代码将进入段落AngleSharp不提供这种自定义逻辑，但它为您提供了推出自己的规范化方案的方法在下面的示例中，我使用TreeWalker来简化仅对文本节点的迭代代码查找给定的条件以动态插入段落 var context = BrowsingContext.New(); var documen

我有这段html

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

因此，一段将

置于段落

之外的代码将进入段落

AngleSharp不提供这种自定义逻辑，但它为您提供了推出自己的规范化方案的方法

在下面的示例中，我使用

TreeWalker

来简化仅对文本节点的迭代

代码查找给定的条件以动态插入段落

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();

var context=BrowsingContext.New（）；
var document=await context.OpenAsync（res=>res.Content（“fooOutsideInsidebar”）；
var walker=document.CreateTreeWalker（document.Body，AngleSharp.Dom.FilterSettings.Text）；
while（walker.ToNext（）！=null）
{
无功电流=沃克电流；
//如果只是空白，例如，格式化换行符，或者无论如何是在p中-跳过
如果(
（current.TextContent.Trim（）.Length==0）||
（current.ParentElement.LocalName==“p”））
{
继续；
}
//如果在段落旁边，则执行规范化
否则如果(
（current.PreviousSibling是IElement-previous&&previous.LocalName==“p”）||
（current.NextSibling为IElement next&&next.LocalName==“p”））
{
var newNode=document.CreateElement（“p”）；
当前.ReplaceWith（newNode）；
newNode.Append（当前）；
}
}
document.Body.ToHtml（）.Dump（）；

转储结果如下所示：

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

foo外部
内部条

这可能不是您所需要的一切，但应该为您提供正确方向的指针

注意：您还可以滚动自己的（递归）迭代或使用自定义的

IMarkupFormatter

将规范化作为序列化。有多种方法。给定的一个会更改DOM，因此可能会进行进一步的操作（不仅仅是序列化）

希望有帮助

AngleSharp不提供此类自定义逻辑，但为您提供了推出自己的规范化方案的方法