libxml 解析 html - 未配对标签损坏

Question

我需要用 libxml 在 c++ 中解析 html 页面。我遇到一个问题，当使用一些函数 doc = htmlParseDoc( (xmlChar*)ptr, NULL );控制台通知一个问题似乎解析器坏了 li>现在 li - 未配对的标签。解析器说数字打开标记 li 不匹配封闭标记 /li。也许有些帮助该怎么办？ 我对 eny 的帮助和抱歉 engish 这不是我的母语。我尝试整理但整理 trankate 这部分 html 与消息。我试图用 xpath 接口解析，但这不起作用。

Answer 1

如果您愿意在 Windows 上使用托管代码 (C#)，您可以使用 HTML Agility pack 来处理这个错误的 HTML 输入。

否则，Tidy 之类的内容可能对您有用。