C# 清理c中contentEditable创建的HTML#

我编写了一个文档编辑器，它使用contentEditable创建HTML内容。在一些较大的文档中，语法风格似乎无处不在。这很可能是从写字板和早期版本的编辑器粘贴内容的结果

问题是，现在我留下了很多非常不一致的文档

一开始很正常。每行的简单

标记

<p>It is a truth</p>
<p>universally acknowledged</p>
<p>that a single&nbsp;man</p>

然后在页面下方大约3/4处，我们得到了这个。它似乎已恢复为

标记，但现在将它们随机嵌入带有空

lang

属性的

标记中

<div>
    <span lang="">
        <p>It was the best of times,</p> 
        <p>it was the worst of times,</p> 
    </span>
    <p>it was the age of wisdom,</p>
    <p>it was the age of foolishness,</p>
</div>

这是最好的时光，

这是最糟糕的时期，

那是智慧的时代

那是愚蠢的年代

注意：一些行在

内，其他行在外

更糟糕的是，稍后我们会得到嵌套的

标记

<span lang="">
    <div>
        <span lang="EN-GB">
            <p>Stately, plump </p> 
            <p>Buck Mulligan came </p> 
            <span lang="EN-GB">
                <p>from the stairhead, </p>
                <p>bearing a bowl of lather </p>                
                <span lang="EN-GB">
                    <p> on which a mirror and a razor lay crossed</p>
                </span>
            </span>
        </span>
    </div>
</span>

庄严、丰满
巴克·穆利根来了

从楼梯口

带着一碗泡沫

上面有一面镜子和一把剃刀

您还可能会注意到

和

标记的父代现在从一开始就颠倒了，

现在是

的子代

我注意到了其他的怪事<代码>在开始时使用，但随后使用

清理此HTML的最佳方法是什么

我是否应该尝试用

标记包围孤立行

如何仅删除那些本身包含

标记的

标记？如何避免在文档中留下孤立文本

---

这是一个很难回答的问题，我在编辑文本中的HTML时也遇到了同样的问题

我发现了这个免费的纯HTML+JS编辑器：TinyMCE

其中包括清理文本选项，您可以从文本中选择要清理的标记

---

如果您有机会更改正在使用的编辑器，它将非常强大。

t在一个优秀的html编辑器中使用。我通常在asp.net webforms中使用CKEditor。它有很好的用户控制。尽管如此，它们都是很棒的HTML编辑器。我的小贴士：禁用它们的粘贴html功能，这可以避免很多麻烦。

<span lang="">
    <div>
        <span lang="EN-GB">
            <p>Stately, plump </p> 
            <p>Buck Mulligan came </p> 
            <span lang="EN-GB">
                <p>from the stairhead, </p>
                <p>bearing a bowl of lather </p>                
                <span lang="EN-GB">
                    <p> on which a mirror and a razor lay crossed</p>
                </span>
            </span>
        </span>
    </div>
</span>