HTMLをXHTMLに変換する方法は？ [閉まっている]

StackOverflow https://stackoverflow.com/questions/138555

質問

HTMLドキュメントを有効なXML、できればXHTMLに変換する必要があります。これを行う最良の方法は何ですか？誰かがツールキット/ライブラリ/サンプル/ ...を知っていますか？

ここでもう少し明確にするために、アプリケーションは実行時に自動的に変換を行う必要があります。一部のページを手動でXHTMLに移動するのに役立つツールは探していません。

役に立ちましたか？

解決

HTML Tidyを使用してHTMLからXMLに変換する

ダウンロード可能なバイナリ

JRoppert、必要に応じて、ソースをご覧ください。 

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

他のヒント

HTML Agility Pack を使用できます。 CodePlexのオープンソースプロジェクト。

Validator.nu HTMLパーサーには、を使用して変換を行うHTML2XMLサンプルプログラムが付属していますHTML5解析アルゴリズムと情報セット強制ルール。

.NET 4.0にはHtml2Xhtmlを使用：

メモリ内の文字列から文字列への変換：

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

メモリ内文字列からXDocumentへの変換：

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

http://corsis.sourceforge.net/index.php/Html2Xhtml詳細については。

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

Html2Xhtmlは、GPLv2以降でライセンスされているXHTMLにHTMLを変換するための.NET 4.0ライブラリです。

欧州連合の大規模なオンラインデータベースのローカル再構築でHtml2Xhtmlをテストしました。 Tidy / Tidy.NETはほとんどの場合、有効な出力さえ生成しません。ChilkatのHTML-to-XMLは少し遅く、奇妙な結果（見当違い、欠落、説明できない要素）を生成しました。無料で高速かつ信頼性の高い変換ツールを見つけるために、このライブラリを作成しました。私がテストした他のすべてのライブラリよりも2〜4倍高速に変換します。

Html2Xhtmlは、LINQ to XMLのパワーと組み合わせて、すべての大規模なデータ抽出およびWebクロールシナリオに最適なツールです。

整頓された実行可能ファイルでhtmlをxhtmlに変換できます：

tidy -asxhtml -numeric <！> lt; index.html <！> gt; index.xhml

c＃の実装を確認できますこちら。

最も簡単な方法は、Visual Studio IDEを設定して、必要な変更を識別することです。 これを行うには、Visual Studio 2008で次の手順を実行します。 ツール、オプション、テキストエディター、HTML、検証、適切なターゲットの選択。 おそらくXHTML 1.1またはXHTML 1.0 Transitional。

さまざまなタイプの情報については、以下をお読みください。 http://msdn.microsoft.com/en-us/library/aa479043。 aspx

次に、ページで強調表示されているポイントを操作する必要があります。

ライセンス： CC-BY-SA と 帰属
所属していません StackOverflow
scroll top