c++ - libxml 解析 html - 未配对的标签损坏

Question

我需要使用 libxml 在 C++ 中解析 html 页面。我在使用某些函数时遇到问题 doc = htmlParseDoc( (xmlChar*)ptr, NULL );控制台注意到一个问题似乎解析器中断了li>Now li - 未配对的标签。解析器说数字打开标签 li 不匹配关闭标签/li。也许有些帮助如何处理这个？我肯定会得到任何帮助，很抱歉英语不是我的母语。我尝试了 tidy 但 tidy trankate 这部分带有消息的 html。我试图用 xpath 接口(interface)进行解析，但这没有用。

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处理这个错误的 HTML 输入。

否则，类似于 Tidy可能对你有用。