HtmlAgilityPack - Закрывает ли <form> по какой-то причине?

Я только что написал этот тест, чтобы убедиться, что я сумасшедший...

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using HtmlAgilityPack;

namespace HtmlAgilityPackFormBug
{
    class Program
    {
        static void Main(string[] args)
        {
            var doc = new HtmlDocument();
            doc.LoadHtml(@"
<!DOCTYPE html>
<html>
    <head>
        <title>Form Test</title>
    </head>
    <body>
        <form>
            <input type=""text"" />
            <input type=""reset"" />
            <input type=""submit"" />
        </form>
    </body>
</html>
");
            var body = doc.DocumentNode.SelectSingleNode("//body");
            foreach (var node in body.ChildNodes.Where(n => n.NodeType == HtmlNodeType.Element))
                Console.WriteLine(node.XPath);
            Console.ReadLine();
        }
    }
}

И он выводит:

/html[1]/body[1]/form[1]
/html[1]/body[1]/input[1]
/html[1]/body[1]/input[2]
/html[1]/body[1]/input[3]

Но, если я изменяю <form> на <xxx>, он дает мне:

/html[1]/body[1]/xxx[1]

(Как и должно быть). Итак... похоже, что эти входные элементы не содержатся в форме, а непосредственно внутри тела, как будто <form> сразу закрылся. Что с этим? Это ошибка?

Копая через источник, я вижу:

ElementsFlags.Add("form", HtmlElementFlag.CanOverlap | HtmlElementFlag.Empty);

Он имеет "пустой" флаг, например META и IMG. Зачем?? Формы, безусловно, не должны быть пустыми.

Ответ 1

Об этом также сообщается в этот workmem. В нем содержится предлагаемое решение от DarthObiwan.

Вы можете изменить это без перекомпиляции. Список ElementFlags - это static в классе HtmlNode. Его можно удалить с помощью
    HtmlNode.ElementsFlags.Remove("form");
перед загрузкой документа

Ответ 2

Поскольку я являюсь оригинальным автором HAP, я могу объяснить, почему он обозначен как пустой:)

Это потому, что, когда HAP был разработан, еще в 2000 году, стандарт HTML 3.2 был стандартным. Вероятно, вы знаете, что теги могут полностью перекрываться в HTML. То есть: <b>bold<i>italic and bold</b>italic</i> ( жирный курсив и полужирный курсив) поддерживается всеми браузерами (хотя он официально не указан в спецификации HTML). И тег FORM также может отлично перекрываться.

Поскольку HAP был разработан для обработки любого содержимого HTML, а не разбивал большинство страниц, которые вы могли найти в то время, мы просто решили обрабатывать перекрывающиеся теги как EMPTY (используя свойство ElementFlags), поэтому:

вы можете загрузить их
вы можете сохранить их обратно, не нарушая оригинальный HTML (если вам не нужно, что внутри формы каким-либо программным способом).

Единственное, что вы не можете сделать, это работать с ними с помощью API, используя древовидную модель, ни с XSL, ни с программным обеспечением. Сегодня, когда XHTML/XML почти везде, это звучит странно, но поэтому я создал ElementFlags:)