2 lollipop6105 Lollipop6105 于 2016.03.05 11:07 提问

C#如何格式化HTML代码 5C

做爬虫的时候,爬取的html会出现 标签不完全匹配的情况。缺少或者多一些标签,或者一些标签是断掉的。如何通过C#代码来格式化html呢?
有些网站是可以格式化的,毕竟是js写的。找的最好的也就是这个网站了:
http://www.baidufe.com/fehelper/codebeautify.html图片说明

如何才能通过C#实现格式化html的功能呢?

3个回答

caozhy
caozhy   Ds   Rxr 2016.03.06 07:04

如果标签缺失,你需要一种规则去理解这种代码二义性。
比如
<div><div></div>
到底是内侧的div缺失还是外侧的div缺失,这个由不同的理解。

在本身html完整的情况下,可以用xml解析的方式遍历节点,然后再输出对应层次对应的缩进

Marksinoberg
Marksinoberg   Ds   Rxr 2016.03.06 07:48

我记得网上有一个专门的第三方的库,具体记不得名字了,你可以搜索一下试试,希望能帮到你图片说明

Lollipop6105
Lollipop6105 我也想知道名字呀
接近 2 年之前 回复
yale8848
yale8848   2016.03.06 16:07
Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!