个人中心
gpt4 book ai didi

c# - HtmlAgilityPack 将 <(小于号)之后的所有内容都视为属性

转载 作者：太空宇宙 更新时间：2023-11-03 21:10:48 24 4
gpt4 key购买 nike

我有一些通过文本区域获得的输入，我将该输入转换为 html 文档，随后将其解析为 PDF 文档。

当我的用户输入小于号 (<) 时，我的 HtmlDocument 中的一切都停止了。 HtmlAgilityPack 突然将小于号之后的所有内容都作为属性处理。查看输出:

Within this Character Data block I can use double dashes as much as I want (along with <, &,="" ',="" and="" ')="" *and="" *="" %="" myparamentity;="" will="" be="" expanded="" to="" the="" text="" 'has="" been="" expanded'...however,="" i="" can't="" use="" the="" cend="" sequence(if="" i="" need="" to="" use="" it="" i="" must="" escape="" one="" of="" the="" brackets="" or="" the="" greater-than="" sign).="">

如果我只是添加

它会变得更好一点 
htmlDocument.OptionOutputOptimizeAttributeValues = true;

这给了我:

Within this Character Data block I can use double dashes as much as I want (along with <, &,= ',= and= ')= *and= *= %= myparamentity;= will= be= expanded= to= the= text= 'has= been= expanded'...however,= i= can't= use= the= cend= sequence(if= i= need= to= use= it= i= must= escape= one= of= the= brackets= or= the= greater-than= sign).=>

我已经尝试了 htmldocument 上的所有选项，但没有一个让我指定解析器不应该是严格的。另一方面，我可能能够忍受它去掉 <，但添加所有等号对我来说真的不起作用。

void Main()
{
    var input = @"Within this Character Data block I can use double dashes as much as I want (along with <, &, ', and ') *and * % MyParamEntity; will be expanded to the text 'Has been expanded'...however, I can't use the CEND sequence(if I need to use it I must escape one of the brackets or the greater-than sign).";

    var htmlDoc = WrapContentInHtml(input);

    htmlDoc.DocumentNode.OuterHtml.ToString().Dump();
}

private HtmlDocument WrapContentInHtml(string content)
{
    var htmlBuilder = new StringBuilder();
    htmlBuilder.AppendLine("<!DOCTYPE html>");
    htmlBuilder.AppendLine("<html>");
    htmlBuilder.AppendLine("<head>");
    htmlBuilder.AppendLine("<title></title>");
    htmlBuilder.AppendLine("</head>");
    htmlBuilder.AppendLine("<body><div id='sagsfremstillingContainer'>");
    htmlBuilder.AppendLine(content); 
    htmlBuilder.AppendLine("</div></body></html>");

    var htmlDocument = new HtmlDocument();
    htmlDocument.OptionOutputOptimizeAttributeValues = true;
    var htmlDoc = htmlBuilder.ToString();

    htmlDocument.LoadHtml(htmlDoc);

    return htmlDocument;
}

有没有人知道我该如何解决这个问题。

我能找到的最接近的问题是: Losing the 'less than' sign in HtmlAgilityPack loadhtml

他实际上提示 < 消失，这对我来说很好。当然，修复解析错误是最好的解决方案。

编辑:我正在使用 HtmlAgilityPack 1.4.9

最佳答案

您的内容明显错误。这与“严格性”无关，它实际上是关于您假装一段文本是有效 HTML 的事实。事实上，您得到的结果正是因为解析器不严格。

当您需要将纯文本插入到 HTML 中时，您需要先对其进行编码，以便将所有各种 HTML 控制字符正确转换为 HTML - 例如，<必须改为 &lt;和 &至 &amp; .

处理此问题的一种方法是使用 DOM - 使用 InnerText在目标上 div ，而不是将字符串拼在一起并假装它们是 HTML。另一种是使用一些显式编码方法 - 例如 HttpUtility.HtmlEncode .

关于c# - HtmlAgilityPack 将 <(小于号)之后的所有内容都视为属性，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/37833959/

24 4 0
文章推荐： css - 多个媒体查询不起作用
文章推荐： python - 如何用opencv填充盒子里面的盒子
文章推荐： python - 为什么 python pygame 不能在spyder 中工作？
文章推荐： javascript - jQuery 添加 css 并在单击事件后将其删除
太空宇宙
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com