Я пытаюсь загрузить фрагмент (возможно) искаженного HTML в объект XMLDocument, но это не удается с XMLExceptions ... поскольку есть дополнительные открывающие / закрывающие теги и искаженные теги XML, такие как <img > вместо <img />
Как мне заставить XML анализировать все ошибки в данных? Есть ли какой-нибудь валидатор XML, который я могу применить перед синтаксическим анализом, чтобы исправить эти ошибки? Или обработка исключения будет анализировать все, что может быть проанализировано?
HTML Agility Pack будет анализировать html, а не xhtml, и это довольно снисходительно. Объектная модель будет вам знакома, если вы использовали XmlDocument.
Возможно, вы захотите проверить ответ на этот вопрос.
По сути, где-то между портом beautifulsoup .NET и пакетом гибкости HTML есть способ.
Маловероятно, что вы сможете создать XmlDocument с таким уровнем искаженной структуры. XmlDocument (насколько мне известно) требует, чтобы содержимое xml соответствовало правильному синтаксису вложенности и закрытия.
Однако вы подозреваете, что вместо этого можете проанализировать это с помощью XmlReader. Он по-прежнему может генерировать исключения, если встречаются некоторые вопиющие ошибки, но, согласно документам MSDN, он может, по крайней мере, раскрыть местоположение ошибок.
Если вы имеете дело только с HTML, есть HTML Agility Pack, что может служить вашим целям.
В зависимости от конкретных потребностей вы можете использовать HTML Tidy для очистки документа, а затем импортировать его с помощью объект XMLDocument.
То, что вы пытаетесь сделать, очень сложно. HTML нельзя проанализировать с помощью синтаксического анализатора XML, поскольку XML является строгим, а HTML - нет. Если бы этот HTML был совместим с XHTML (HTML как XML), то синтаксический анализатор XML без проблем анализировал бы HTML.
Если вы действительно хотите использовать синтаксический анализатор XML для HTML, возможно, вы захотите узнать, существуют ли какие-нибудь преобразователи HTML в XHTML.
Другими словами, мне еще предстоит встретить синтаксический анализатор XML, который обрабатывает искаженный XML ... они не предназначены для приема разметки, такой как HTML (тоже по уважительной причине :))
Вы не можете загрузить искаженный XML в XmlDocument.
Ознакомьтесь с Html Agility Pack на CodePlex
