Как удалить дубликаты атрибутов из HTML без использования HTMLAgilityPack?

Question

Как удалить дубликаты атрибутов из HTML без использования HTMLAgilityPack?

0

У меня html как

    ...<button type="submit" name="ctl00$ctl16$ctl00$ctl00$searchButton" value=""
 id="ctl00_ctl16_ctl00_ctl00_searchButton" type="submit" class="search-submit" value="Search">...

и необходимо программно удалить дубликаты тегов, например type = "submit". Возможно ли это с использованием libriaries, например, HTMLAgilityPack? Regexp, например.

SiarheiK 23 окт. 2013, в 18:23

Источник

0

Является ли это возможным? Ну, C # завершен по Тьюрингу, так что конечно. RegExp, сам по себе, нет. Что не так с HTMLAgilityPack?
Alohci 23 окт. 2013, в 15:53
0

Я не могу использовать какую-либо библиотеку для этой задачи. Та часть задачи HTMLParser, которая предназначена для вызова.
SiarheiK 23 окт. 2013, в 15:57
0

Но вы не можете просто изменить оригинальный ASPX? Я имею в виду, что это, очевидно, ASP.NET, поэтому я не вижу причин, по которым вам стоит пойти и исправить сгенерированный HTML. В следующий раз, когда он будет сгенерирован, у вас снова будут дублированные атрибуты.
Mr Lister 23 окт. 2013, в 16:03
0

это часть HTML от microsoft.com/ru-by/default.aspx, которую я пытаюсь разобрать. Вся задача состоит в том, чтобы взять все CSS-файлы из html и выполнить поиск неподходящих стилей на этой странице без использования libs. И мое решение - сделать из css селекторов xpathes и использовать Xdocument. Но метод Xdocument.Parse терпит неудачу на любом недопустимом html, поэтому я делаю предварительный анализ очистки :)
SiarheiK 23 окт. 2013, в 16:05
0

Я думаю, что нашел решение. Но не самый лучший. Я использую XDocument.Parse, и get @"'(.*)'"'(. *)' - дублированное имя атрибута. Линия (\ d), позиция (\ d *)."; исключение, затем я анализирую его с помощью регулярных выражений и заменяю атрибут его значением из HTML
SiarheiK 23 окт. 2013, в 16:30

Показать ещё 3 комментария

Теги:

c#

html

1 ответ

Ещё вопросы

Является ли это возможным? Ну, C # завершен по Тьюрингу, так что конечно. RegExp, сам по себе, нет. Что не так с HTMLAgilityPack?
Я не могу использовать какую-либо библиотеку для этой задачи. Та часть задачи HTMLParser, которая предназначена для вызова.
Но вы не можете просто изменить оригинальный ASPX? Я имею в виду, что это, очевидно, ASP.NET, поэтому я не вижу причин, по которым вам стоит пойти и исправить сгенерированный HTML. В следующий раз, когда он будет сгенерирован, у вас снова будут дублированные атрибуты.
это часть HTML от microsoft.com/ru-by/default.aspx, которую я пытаюсь разобрать. Вся задача состоит в том, чтобы взять все CSS-файлы из html и выполнить поиск неподходящих стилей на этой странице без использования libs. И мое решение - сделать из css селекторов xpathes и использовать Xdocument. Но метод Xdocument.Parse терпит неудачу на любом недопустимом html, поэтому я делаю предварительный анализ очистки :)
Я думаю, что нашел решение. Но не самый лучший. Я использую XDocument.Parse, и get @"'(.*)'"'(. *)' - дублированное имя атрибута. Линия (\ d), позиция (\ d *)."; исключение, затем я анализирую его с помощью регулярных выражений и заменяю атрибут его значением из HTML

Jonathan Wood · Answer 1 · 2018-12-03T18-50-00.000Z

Предполагая, что вы пытаетесь удалить повторяющиеся атрибуты внутри одного и того же тега, это сложно, потому что вы не можете сделать это без разбора каждого тега. И разбор каждого тега требует разбора всего остального, включая комментарии, текст, цитируемый текст и т.д.

Таким образом, единственный способ, которым вы можете это сделать, не используя библиотеку, - это написать собственный собственный парсер HTML. Поэтому было бы проще использовать HTML Agility Pack или мою собственную HTML-обезьяну.