Es posible analizar por hxt <textarea> con <a> en ella?

Question

Yo uso hxt a analizar algunos de html.Se hase sin escape html dentro <textarea>.hxt da resultados no válidos (se tropieza con una etiqueta con el contenido que en este caso es <a>).Mínima de prueba (para el Intérprete) es

let doc = parseHtml "<textarea>before<a>link</a>after</textarea>"
runX . xshow $ doc //> hasName "textarea"

lo que da [<textarea>before</textarea><textarea/>] como resultado.

Parece etiquetas sin contenido (por ejemplo, <tag/>) no romper el análisis.

Es allí cualquier manera de analizar tales html con hxt?

Answer 1

El problema es que HandsomeSoup (que supongo que es donde su parseHTML es de allí) es exigente con las cosas, como el hecho de que un textarea no puede contener una a en HTML válido, y va a tratar de "arreglar" tales errores se ve.

Se puede cambiar a hxt-tagsoup?Se aceptará todavía desordenado HTML (sin cerrar elementos, etc.), pero no es tan exigente respecto a la adhesión al esquema HTML—en concreto que le permita tener un a en un textarea:

import Text.XML.HXT.Core
import Text.XML.HXT.TagSoup

let content = "<textarea>before<a>link</a>after</textarea>"
let doc = readString [ withTagSoup ] content
runX . xshow $ doc //> hasName "textarea"

Esto imprime el siguiente:

["<textarea>before<a>link</a>after</textarea>"]

Que creo que es lo que quieres.