解析XML格式不正确

Question

我试图一块（可能）不良HTML的加载到如下对象，但由于存在额外的开/关标记它失败XMLExceptions ...，和畸形XML标签如<img >代替<img />

我如何获得XML与数据的所有错误解析？有没有办法，我可以解析之前申请，以纠正这些错误的任何XML验证？还是会处理异常解析任何可以解析？

Answer 1

在 HTML敏捷性包将解析的HTML，而不是XHTML，而且是相当宽容。如果你已经使用XmlDocument对象模型会很熟悉。

Answer 2

您可能想看看答案这个问题。

beautifulsoup的.NET端口和HTML敏捷包之间基本上某处有一种方法

Answer 3

这是不可能的，你将能够建立具有此级别畸形结构的一个XmlDocument。 XmlDocument的（据我所知）要求XML内容坚持正确的嵌套和关闭语法。

但是，你怀疑，你可以用一个XmlReader解析这个代替。它可能仍然抛出异常如果遇到某些令人震惊的错误，但根据MSDN文档，它至少可以透露的误差的位置。

如果你只是处理HTML，有 HTML敏捷性包，其可以用于你的目的。

Answer 4

根据ONT他的特定需求，那么您可以使用 HTML整洁清理文档，然后使用XMLDocument对象导入。

Answer 5

你所试图做的是非常困难的。 HTML不能使用XML解析器，因为XML是严格HTML是无法进行解析。如果HTML是兼容XHTML（HTML作为XML），则XML解析器将解析HTML没有问题。

您可能想看看是否有任何HTML到XHTML转换器在那里，如果你真的想使用HTML的XML解析器。

在换句话说，我还没有遇到一个处理畸形XML的XML解析器，就不是设计成接受宽松的标记，如HTML（有很好的理由，太:)）

Answer 6

可以不不良XML加载到XmlDocument。

查看的Html敏捷性包在CodePlex