HTML Agility 包删除了中断标记 close

Question

我正在使用 HTML 敏捷包创建 HTML 文档。我加载一个模板文件，然后将内容附加到其中。所有这些都有效，但是当我查看输出文件时，它已从我的
标记中删除了结束标记，看起来像这样
。是什么原因造成的？

Dim doc As New HtmlDocument()
doc.Load(Server.MapPath("Template.htm"))

Dim title As HtmlNode = doc.DocumentNode.SelectSingleNode("//title")

title.InnerHtml = title.InnerHtml & "CEU Classes"
Dim topContent As HtmlAgilityPack.HtmlNode = doc.GetElementbyId("topContent")

topContent.InnerHtml = html.ToString
doc.OptionWriteEmptyNodes = True
doc.Save(outputFileName, Encoding.UTF8)

更多信息：

在我添加 doc.OptionWriteEmptyNodes = True 后，它正在删除我的结束图像标签，它确实做到了这一点。

更新

这是我现在的代码，删除了结束 BR 标签

Dim html As String = "Words<br/>more words"
Dim doc As New HtmlDocument()
Dim title As HtmlNode
Dim topContent As HtmlNode

HtmlNode.ElementsFlags("br") = HtmlElementFlag.Empty
doc.Load(Server.MapPath("Template.htm"))

Title = doc.DocumentNode.SelectSingleNode("//title")
title.InnerHtml = title.InnerHtml & "CEU Classes"

topContent = doc.GetElementbyId("topContent")
topContent.InnerHtml = html.ToString

doc.OptionWriteEmptyNodes = True
doc.Save(outputFileName, Encoding.UTF8)

更新 2

我最终只是在模板文件中读取标准字符串，然后像这样加载 html

Dim TemplateHTML As String = File.ReadAllText(Server.MapPath("Template.htm"))

TemplateHTML = TemplateHTML.Insert(TemplateHTML.IndexOf("<div id=""topContent"">") + "<div id=""topContent"">".Length, _
                                   html.ToString)

doc.LoadHtml(TemplateHTML)

Answer 1

发生这种情况是因为 Html Agility Pack 以特殊方式处理 BR。它仍然支持旧的（但现在存在于网络上）HTML 3.2 语​​法，其中 BR 可以在完全没有结束标记的情况下声明（顺便说一下，浏览器仍然可以优雅地处理它......）。

要更改此默认行为，您需要修改 HtmlNode.ElementFlags 属性，如下所示：

Dim doc As New HtmlDocument()
HtmlNode.ElementsFlags("br") = HtmlElementFlag.Empty
doc.LoadHtml("<test>before<br/>after</test>")
doc.OptionWriteEmptyNodes = True   
doc.Save(Console.Out)

它将显示：

<test>before<br />after</test>

Answer 2

根据 @Simon Mourier，以下 C# 代码在版本 1.4 中工作，

var doc = new HtmlDocument();
HtmlNode.ElementsFlags["br"] = HtmlElementFlag.Empty;
doc.OptionWriteEmptyNodes = true;
doc.LoadHtml("Lorem ipsum dolor sit<br/>Lorem ipsum dolor sit");

var postParsed = doc.DocumentNode.WriteTo();

具有以下 postParsed 字符串值

"Lorem ipsum dolor sit<br />Lorem ipsum dolor sit"

Answer 3

似乎这是 Html Agility Pack 中的标准设置。默认情况下，它不符合XHTML，并且许多标签没有关闭。

有两种方法可以做到这一点。在文档级别，您可以执行以下操作，这将打开所有结束标签。 （这是我的首选方法）。

HtmlDocument doc = new HtmlDocument();
doc.OptionWriteEmptyNodes = true;
doc.LoadHtml(content);

然而，这可能并不理想。还有另一种方法可以在节点级别执行此操作。

if (HtmlNode.ElementsFlags.ContainsKey("img"))
{
    HtmlNode.ElementsFlags["img"] = HtmlElementFlag.Closed;
}
else
{
    HtmlNode.ElementsFlags.Add("img", HtmlElementFlag.Closed);
}

Answer 4

我遇到过同样类型的问题，我通过使用具有正确设置的新 HtmlDocument 对象手动重新解析 HTML 块来解决它。

我看到的问题是 HtmlDocument 具有所有这些不错的设置来让您关闭
标签等，但是当您选择一个节点或对节点进行其他一些软操作并使用它们的 OuterHtml 或 InnerHtml 时，其中一些关闭标签是丢失（可能是因为这些属性不使用与文档本身相同的设置，或者可能还有其他原因）。因此，当您从 InnerHtml 或 OuterHtml 获取不正确的 html 字符串时，您可以再次使用 HtmlDocument 重新解析它，并使用 document.DocumentElement.InnerHtml 来获取正确的 HTML 字符串。