Как конвертировать HTML в XHTML?

Ответ 1

Преобразовать из HTML в XML с помощью HTML Tidy

Загружаемые бинарные файлы

JRoppert, для вашей потребности, я думаю, вы можете посмотреть на Источники

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

Ответ 2

Вы можете использовать HTML Agility Pack. Его проект с открытым исходным кодом от CodePlex.

Ответ 3

Validator.nu HTML Parser поставляется с образцовой программой HTML2XML, которая выполняет преобразование с использованием алгоритма синтаксического анализа HTML5 и правил принудительного ввода информации.

Ответ 4

Используйте Html2Xhtml для .NET 4.0:

Преобразование строк в строку в памяти:

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

Преобразование строк в XDocument в памяти:

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

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

Ответ 5

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

Html2Xhtml - это библиотека .NET 4.0 для преобразования HTML в XHTML, лицензированная под GPLv2 или выше.

Я протестировал Html2Xhtml в локальной реконструкции большой онлайн-базы данных Европейского Союза. Tidy/Tidy.NET даже не выдавал допустимый результат большую часть времени, Chilkat HTML-to-XML был немного медленным и производил странные результаты (неулокальные, отсутствующие, необъяснимые элементы). В попытке найти бесплатный, быстрый и надежный инструмент преобразования я создал эту библиотеку. Он преобразует 2 - 4 раза быстрее, чем все другие библиотеки, которые я тестировал.

Html2Xhtml в сочетании с мощью LINQ to XML является отличным инструментом для всех широкомасштабных сценариев извлечения данных и веб-сканирования.

Ответ 6

вы можете конвертировать html в xhtml с аккуратным исполняемым файлом:

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

вы можете проверить реализацию С# здесь.

Ответ 7

Самый простой способ - установить IDE Visual Studio для определения изменений, которые необходимо внести. Вы можете сделать это в Visual Studio 2008, выбрав: Инструменты, параметры, текстовый редактор, HTML, проверка и выбор подходящей цели. Возможно, XHTML 1.1 или XHTML 1.0 Transitional.

Для получения дополнительной информации о разных типах читайте: http://msdn.microsoft.com/en-us/library/aa479043.aspx

Затем вам нужно работать с точками, выделенными на вашей странице.