使用 C#，如何手动验证 html 标签？

Question

例如，我有这个图像标签：

<img src="http://... .jpg" al="myImage" hhh="aaa" />

例如，对于一般图像标记，我保留所有有效属性的列表

L1=(alt, src, width, height, align, border, hspace, longdesc, vpace)

我正在解析 img 标签，我得到了这样的使用属性：

L2=(src, al, hhh)

如何以编程方式验证图像标签？所以'al'属性应该变成'alt'（'alt'属性比'align'更像包含更多字符）并且'hhh'标签会消失（因为没有属性可以像它）？

对于结果，标签应如下所示：

<img src="http://... .jpg" alt="myImage" />

谢谢。

杰夫

Answer 1

您可以使用 Linq2Xml 轻松解析代码：

XElement doc = XElement.Parse(...)

然后使用最佳匹配算法对内存中的有效属性字典更正错误的属性。

编辑：我编写并测试了这个简化的最佳匹配算法（对不起，它是 VB）：

Dim validTags() As String =
            {
                "width",
                "height",
                "img"
            }

（简化，您应该创建一个更结构化的字典，其中包含标签和每个标签的可能属性）

Dim maxMatch As Integer = 0
Dim matchedTag As String = Nothing
For Each Tag As String In validTags
    Dim match As Integer = checkMatch(Tag, source)
    If match > maxMatch Then
        maxMatch = match
        matchedTag = Tag
    End If
Next

Debug.WriteLine("matched tag {0} matched % {1}", matchedTag, maxMatch)

上面的代码调用了一个方法来确定源字符串等于任何有效标签的百分比。

Private Function checkMatch(ByVal tag As String, ByVal source As String) As Integer

        If tag = source Then Return 100


        Dim maxPercentage As Integer = 0

        For index As Integer = 0 To tag.Length - 1

            Dim tIndex As Integer = index
            Dim sIndex As Integer = 0
            Dim matchCounter As Integer = 0

            While True
                If tag(tIndex) = source(sIndex) Then
                    matchCounter += 1
                End If

                tIndex += 1
                sIndex += 1

                If tIndex + 1 > tag.Length OrElse sIndex + 1 > source.Length Then
                    Exit While
                End If
            End While

            Dim percentage As Integer = CInt(matchCounter * 100 / Math.Max(tag.Length, source.Length))
            If percentage > maxPercentage Then maxPercentage = percentage
        Next

        Return maxPercentage

    End Function

上面的方法，给定一个源字符串和一个标签，找到比较单个字符的最佳匹配百分比。

给定“widt”作为输入，它找到“width”作为匹配值达到 80% 的最佳匹配。

Answer 2

标签的解析是最难的部分，既然你已经这样做了，你现在要做的就是循环遍历元素，检查它们是否与一组有效的元素相匹配，如果它们无效则检查它们针对一系列常见拼写错误的项目，并根据需要替换/删除。

类似于：

String[] ValidItems = {"alt", "src", "width", "height", "align", "border", "hspace", "longdesc", "vpace"};

Dictionary<String, String> MispeltItems = { {"al", "alt" } };

for(int i = ImgTagAttributes-1; i >= 0; i--)
{
    var element = ImgTagAttributes[i];
    if(!ValidItems.Contains(element))
    {
        if(MispeltItems.ContainsKey(element))
        {
            ImgTagElements.Replace(element, MispeltItems[element].Value);
            //Or use remove and insert.
        }
        else
        {
            ImgTagElements.RemoveAt(i);
        }
    }
}

（写在堆栈溢出中，如果有任何错误就说，只是为了让你有一个基本的想法）