Come convertire HTML in XHTML? [chiuso]

Question

Devo convertire documenti HTML in XML validi, preferibilmente XHTML. Qual'è il miglior modo per farlo? Qualcuno conosce un toolkit / library / sample / ... qualunque cosa mi aiuti a svolgere questo compito?

Per essere un po 'più chiaro qui, la mia applicazione deve eseguire automaticamente la conversione in fase di esecuzione. Non cerco uno strumento che mi aiuti a spostare manualmente alcune pagine in XHTML.

Answer 1

Converti da HTML a XML con HTML Tidy

File binari scaricabili

JRoppert, per le tue necessità, immagino che potresti voler esaminare le Sorgenti

c:\temp>tidy -help
tidy [option...] [file...] [option...] [file...]
Utility to clean up and pretty print HTML/XHTML/XML
see http://tidy.sourceforge.net/

Options for HTML Tidy for Windows released on 14 February 2006:

File manipulation
-----------------
 -output <file>, -o  write output to the specified <file>
 <file>
 -config <file>      set configuration options from the specified <file>
 -file <file>, -f    write errors to the specified <file>
 <file>
 -modify, -m         modify the original input files

Processing directives
---------------------
 -indent, -i         indent element content
 -wrap <column>, -w  wrap text at the specified <column>. 0 is assumed if
 <column>            <column> is missing. When this option is omitted, the
                     default of the configuration option "wrap" applies.
 -upper, -u          force tags to upper case
 -clean, -c          replace FONT, NOBR and CENTER tags by CSS
 -bare, -b           strip out smart quotes and em dashes, etc.
 -numeric, -n        output numeric rather than named entities
 -errors, -e         only show errors
 -quiet, -q          suppress nonessential output
 -omit               omit optional end tags
 -xml                specify the input is well formed XML
 -asxml, -asxhtml    convert HTML to well formed XHTML
 -ashtml             force XHTML to well formed HTML
 -access <level>     do additional accessibility checks (<level> = 0, 1, 2, 3).
                     0 is assumed if <level> is missing.

Character encodings
-------------------
 -raw                output values above 127 without conversion to entities
 -ascii              use ISO-8859-1 for input, US-ASCII for output
 -latin0             use ISO-8859-15 for input, US-ASCII for output
 -latin1             use ISO-8859-1 for both input and output
 -iso2022            use ISO-2022 for both input and output
 -utf8               use UTF-8 for both input and output
 -mac                use MacRoman for input, US-ASCII for output
 -win1252            use Windows-1252 for input, US-ASCII for output
 -ibm858             use IBM-858 (CP850+Euro) for input, US-ASCII for output
 -utf16le            use UTF-16LE for both input and output
 -utf16be            use UTF-16BE for both input and output
 -utf16              use UTF-16 for both input and output
 -big5               use Big5 for both input and output
 -shiftjis           use Shift_JIS for both input and output
 -language <lang>    set the two-letter language code <lang> (for future use)

Miscellaneous
-------------
 -version, -v        show the version of Tidy
 -help, -h, -?       list the command line options
 -xml-help           list the command line options in XML format
 -help-config        list all configuration options
 -xml-config         list all configuration options in XML format
 -show-config        list the current configuration settings

Use --blah blarg for any configuration option "blah" with argument "blarg"

Input/Output default to stdin/stdout respectively
Single letter options apart from -f may be combined
as in:  tidy -f errs.txt -imu foo.html
For further info on HTML see http://www.w3.org/MarkUp

Answer 2

Puoi usare un HTML Agility Pack . Il suo progetto open source di CodePlex.

Answer 3

Validator.nu HTML Parser viene fornito con un programma di esempio HTML2XML che esegue la conversione utilizzando il Algoritmo di analisi HTML5 e regole di coercizione infoset.

Answer 4

Usa Html2Xhtml per .NET 4.0:

Conversione da stringa a stringa in memoria:

var xhtml = Html2Xhtml.RunAsFilter(stdin => stdin.Write(html)).ReadToEnd();

Conversione da stringa a X di documenti in memoria:

var xdoc = Html2Xhtml.RunAsFilter(stdin => stdin.Write(html)).ReadToXDocument();

Vedi http://corsis.sourceforge.net/index.php/Html2Xhtml per ulteriori informazioni.

Answer 5

http://corsis.sourceforge.net/index.php/Html2Xhtml http : //corsis.sourceforge.net/index.php/Html2Xhtml

Html2Xhtml è una libreria .NET 4.0 per convertire HTML in XHTML concesso in licenza con GPLv2 o superiore.

Ho testato Html2Xhtml nella ricostruzione locale di un ampio database online dell'Unione Europea. Tidy / Tidy.NET non produrrebbe nemmeno un output valido per la maggior parte del tempo, l'HTML-to-XML di Chilkat era un po 'lento e produceva strani risultati (elementi fuori posto, mancanti, inspiegabili). Nel tentativo di trovare uno strumento di conversione gratuito, veloce e affidabile ho creato questa libreria. Converte 2 - 4x più velocemente di tutte le altre librerie che ho testato.

Html2Xhtml, combinato con la potenza di LINQ to XML, è uno strumento eccellente per tutti gli scenari di estrazione dei dati su larga scala e di scansione del Web.

Answer 6

puoi convertire html in xhtml con un file eseguibile ordinato:

tidy -asxhtml -numeric < index.html > index.xhml

puoi controllare l'implementazione di c # qui .

Answer 7

Il modo più semplice è impostare l'IDE di Visual Studio per identificare le modifiche che è necessario apportare. Puoi farlo in Visual Studio 2008 andando a: Strumenti, Opzioni, Editor di testo, HTML, Convalida e scelta del target appropriato. Forse XHTML 1.1 o XHTML 1.0 Transitional.

Per alcune informazioni sui diversi tipi, leggi: http://msdn.microsoft.com/en-us/library/aa479043. aspx

Quindi devi esaminare i punti evidenziati nella tua pagina.