使用c修复malformatted html属性

我有一个web应用程序，它具有一个上传功能，用于由国际象棋软件生成的HTML文件，以便能够包含一个再现棋牌游戏的javascript播放器。使用c修复malformatted html属性

我不喜欢在一个框架中加载上传的文件，所以我通过解析文件的动态部分来重建由软件生成的HTML和JavaScript。

HTML的问题是所有属性值都用撇号而不是引号括起来。我正在寻找一种方法来解决这个问题，使用库或正则表达式替换使用C＃。

的HTML如下：

<DIV class='pgb'><TABLE class='pgbb' CELLSPACING='0' CELLPADDING='0'><TR><TD>

，我将它转化为：

<DIV class="pgb"><TABLE class="pgbb" CELLSPACING="0" CELLPADDING="0"><TR><TD>

这不是格式错误的HTML，单引号是完全有效的并且非常常见。 – Kobi

您正试图解决一个不存在的问题。 – Oded

将此HTML与带有双引号的HTML结合使用时，它会成为问题 – jhoefnagels

你可以使用类似：

string ouputString = Regex.Replace(inputString, @"(?<=\<[^<>]*)\'(?=[^<>]*\>)", "\"");

俄德的言论后改变了它，这会使主体HTML完好无损。但我同意，正则表达式对解析HTML是一个坏主意。马克的回答比较好。

2011-11-24 09:56:00 TomL

它将替换HTML正文中的撇号以及属性分隔符。这不是一个好的解决方案。 – Oded

那么......在这种情况下：（iString，@“（？<=\<[^\<\> *）\'（？= [^ \ <>] * \>）”，“\”“） – TomL

我只能说是：http://stackoverflow.com/q/1732454/1583 – Oded

我想说你最好的选择是使用类似HTML Agility Pack的东西来解析生成的HTML，然后让它重新序列化为字符串（希望纠正过程中的任何格式问题）。 Any attempt at Regexes or other direct string manipulation of HTML is going to be difficult, fragile and broken...

实施例（当你的HTML被存储在一个文件在硬盘上）：

HtmlDocument doc = new HtmlDocument(); 
doc.Load("file.htm"); 
doc.Save("file.htm");

另外，也可以在存储器从string或输入HTML的Stream直接做到这一点。

2011-11-24 10:04:52

嗨马克，我试过这个选项，但它留下了单引号，因为它是有效的HTML。它确实修复了标签外壳。 – jhoefnagels

回答