Como converter HTML para XHTML? [fechadas]

Question

Eu preciso converter documentos HTML em XML válido, preferencialmente XHTML. Qual é a melhor forma de fazer isso? Alguém sabe um toolkit / library / sample / ... seja lá o que me ajuda a se essa tarefa feito?

Para ser um pouco mais claro aqui, meu aplicativo tem que fazer a conversão automaticamente em tempo de execução. Eu não olho para uma ferramenta que me ajuda a mover algumas páginas para XHTML manualmente.

Answer 1

Converter de HTML para XML com HTML Tidy

download binários

JRoppert, para sua necessidade, eu acho que você pode querer olhar para o Fontes

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

Você pode usar um href="http://www.codeplex.com/htmlagilitypack" rel="noreferrer"> HTML agilidade pack . Seu projeto open-source do CodePlex.

Answer 3

O Validator.nu HTML Parser vem com um programa de exemplo HTML2XML que faz a conversão usando o HTML5 análise de algoritmos e regras infoset coerção.

Answer 4

Use Html2Xhtml for .NET 4.0:

Em memória conversão de cadeia-to-string:

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

Em memória corda-a-XDocument conversão:

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

http://corsis.sourceforge.net/index.php/Html2Xhtml para mais informações.

Answer 5

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

Html2Xhtml é uma biblioteca .NET 4.0 para converter HTML para XHTML licenciado sob a GPLv2 ou acima.

Eu testei Html2Xhtml na reconstrução local de um grande banco de dados on-line da União Europeia. Tidy / Tidy.NET nem sequer produzir uma saída válida na maioria das vezes, de Chilkat HTML-to-XML foi um pouco lento e produziu resultados estranhos (extraviado, ausentes elementos inexplicáveis). Na tentativa de encontrar uma ferramenta de conversão livre, rápido e confiável eu criei esta biblioteca. Ele converte. 2 - 4x mais rápido do que todas as outras bibliotecas que eu testei

Html2Xhtml, combinado com o poder do LINQ to XML, é uma excelente ferramenta para todos os extração de dados em grande escala e web crawling cenários.

Answer 6

Você pode converter html para xhtml com arrumado arquivo executável:

arrumado -asxhtml -numeric index.xhml

você pode verificar o c # implementação aqui .

Answer 7

A maneira mais fácil é configurar o Visual Studio IDE para identificar as mudanças que você precisa fazer. Você pode fazer isso no Visual Studio 2008, vá para: Ferramentas, Opções, Texto Editor, HTML, validação e escolher o destino apropriado. Possivelmente XHTML 1.1 ou XHTML 1.0 Transitional.

Para alguma informação sobre os diferentes tipos, leia-se: http://msdn.microsoft.com/en-us/library/aa479043. aspx

Em seguida, você precisa trabalhar através dos pontos destacados em sua página.