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
如何才能通过C#实现格式化html的功能呢?
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
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。