HTML 敏捷包在无效标记上将 标记更改为 答案

【问题标题】：HTML Agility pack is changing tag to on invalid markupHTML 敏捷包在无效标记上将 标记更改为 
【发布时间】：2017-11-29 16:25:52
【问题描述】：

输入：

<head><title>Title</title></head>
<font face="Verdana" size="2">
<p>

<b>Bold sentence.</b>
<br><br>Sentence after two  breaks.<br><br>Sentence after another two  breaks. <b><i>bold and italicized sentence.</i></b> sentence. <br><br>final sentence after two more breaks.

</font></p>

<form><center><div style='padding-left: 16px; padding-right: 16px;'><a class='button' href='javascript:void(0);' onclick='javascript:window.close()'><img src='/GBUIAssets/Web20/img/frame/buttonshade.png' alt='buttonShade' /><span class='roundLeft'><span class='roundRight'>Fermer</span></span></a></div></center></form></font>

我正在删除头部、字体和表格。我得到的输出是：

<p>

<b>Bold sentence.</b>
<br><br>Sentence after two  breaks.<br><br>Sentence after another two  breaks. <b><i>bold and italicized sentence.</i></b> sentence. <br><br>final sentence after two more breaks.

<p>

这是有问题的，因为我试图在之后将其转换为 xml，这会引发错误。为什么它“修复”我的代码中已经有效的一部分？有什么想法可能导致它吗？如果需要，我可以提供更多代码，但我只想首先确保没有明显的步骤我遗漏了。

编辑：为了完整的上下文，我剥离了 html 的正文内容。关键是，这个 HTML 是 HIDEOUS。格式真的很差。我将它加载到 xml 中以抛出 html 文档错误的特定错误，并将其吐出到每个未能剥离的文件的错误报告中

【问题讨论】：

您的标记无效。您正在关闭字体标签之外的 p 标签。但是你在字体标签中声明了开始的 p 标签。
是的，这个标记是由其他人编写的，并且存在错误。所以你认为是这个嵌套错误导致了 htmlagilitypack 中的问题？ @MikeCorcoran
是的，HAP 正在尝试“修复”html 汤。在这种情况下，它并没有完全按照您想要的方式进行修复。您可能需要使用某些启发式方法对文件进行预处理以解决它。
在使用 HAP 处理之前，将“”替换为“”可能就足够了。
为什么要将 HTML 加载到 XML 文档中？ HTML 不是 XML 的子集。

标签： c# html html-agility-pack xmlconvert

【解决方案1】：

Marpup 无效。尝试将字体标签放在P标签旁边，你应该没问题。

【讨论】：

【解决方案2】：

将您的标记更新为：

<head>
  <title>Title</title>
</head>
<font face="Verdana" size="2">
<p>

<b>Bold sentence.</b>
<br/><br/>Sentence after two  breaks.<br/><br/>Sentence after another two  breaks. <b><i>bold and italicized sentence.</i></b> sentence. <br/><br/>final sentence after two more breaks.

</p>

<form>
<center>
<div style='padding-left: 16px; padding-right: 16px;'>
<a class='button' href='javascript:void(0);' onclick='javascript:window.close()'>
<img src='/GBUIAssets/Web20/img/frame/buttonshade.png' alt='buttonShade' />
<span class='roundLeft'><span class='roundRight'>Fermer</span></span>
</a>
</div>
</center>
</form>
</font>

如果可能，我建议将  声明移到外部样式表中，例如

body { font-face: Verdana; }

【讨论】：