libxml2 :: htmlDocDumpMemory（）自动关闭HTML中未关闭的标签 [英] libxml2::htmlDocDumpMemory() automatically close unclosed tags in HTML

问题描述

我在我的VS2010项目中使用libxml2从HTML生成树，找到一些节点，修改它并将树转储回HTML。

主要逻辑是：

  //  创建解析器 
 htmlParserCtxtPtr parser = htmlCreatePushParserCtxt（ NULL，NULL，NULL， 0 ，NULL，XML_CHAR_ENCODING_UTF8）; 
  //  设置解析器选项 
 htmlCtxtUseOptions（解析器，HTML_PARSE_NOERROR | HTML_PARSE_NOWARNING | HTML_PARSE_NONET ）; 
  //  从pData解析HTML  
 htmlParseChunk（parser，pData，dataLen，  0 ）; 
  //  获取生成树的根节点 
 xmlNode * node = xmlDocGetRootElement（ parser-> myDoc）; 
  //  在树中进行一些更改，例如更改名称为title的节点的内容 
  //   ...  
  //  返回HTML，结果位于'newHtml' 
 htmlDocDumpMemory （parser-> myDoc，& newHtml，& len）; 

当我使用来自 http://www.youtube.com/watch?v=S77UrnEGs_g [ ^ ]作为输入数据我得到一个多余的输出。



我已在 http://validator.w3.org/ [ ^ ]并收到错误：

第562行，第31列：未关闭的元素div。

 <   div     class   =  content >  

我的问题是：我可以配置libxml2以便它不会自动关闭未关闭的标签吗？

解决方案

我发现了一些非验证解析器： http://htmlcxx.sourceforge.net/ [ ^ ]，它为我解决了这个问题。

I am using libxml2 in my VS2010 project to generate tree from HTML, find some nodes, modify it and dump tree back to HTML.
The main logic is:

// create parser
htmlParserCtxtPtr parser = htmlCreatePushParserCtxt(NULL, NULL, NULL, 0, NULL, XML_CHAR_ENCODING_UTF8);
// set parser options
htmlCtxtUseOptions(parser, HTML_PARSE_NOERROR | HTML_PARSE_NOWARNING | HTML_PARSE_NONET);
// parse HTML from pData
htmlParseChunk(parser, pData, dataLen, 0);
// get root node for generated tree
xmlNode* node = xmlDocGetRootElement(parser->myDoc);
// make some changes in tree, e.g. change content for node with name 'title'
// ...
// return back to HTML, result located in 'newHtml'
htmlDocDumpMemory(parser->myDoc, &newHtml, &len);

When I use HTML from http://www.youtube.com/watch?v=S77UrnEGs_g[^] as input data I get one excess in output.

I have checked above URL on http://validator.w3.org/[^] and get error:
Line 562, Column 31: Unclosed element div.

<div class="content">

My question is: could I configure libxml2 so it would not automatically close unclosed tags?

解决方案

I found some non-validating parser: http://htmlcxx.sourceforge.net/[^], it solve the problem for me.

这篇关于libxml2 :: htmlDocDumpMemory（）自动关闭HTML中未关闭的标签的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！