从 html 字符串中删除无效/错误放置的标签

Question

我想知道是否有一种好的（或足够好的）方法可以从 C# 中的 HTML 字符串中删除无效或放置不正确的 HTML 标签？

示例 1：<div> </div> </div> 应更改为 <div> </div>
示例 2：<div> </section> </div> 应更改为 <div> </div>

基本上，转换后的 html 字符串应该是经过 W3C 验证的标记。我知道这可能有点困难，也许有一个图书馆可以很好地完成这项工作？

谢谢！

Answer 1

我建议使用 HTMLTidy。

由于您使用的是 C#，因此有 tidy.net 项目。我认为您可以在 C# 代码中引用和使用一些 dll。

或者，您可以只使用 HTMLTidy 的命令行内容。

Answer 2

我最终修复了生成无效 HTML 字符串的根本问题。在这种情况下，解决主要问题（如果可能的话）比解决症状要好得多。