HtmlAgilityPack - <form>закрывается по какой-то причине? - PullRequest
Новая
       4

HtmlAgilityPack - <form>закрывается по какой-то причине?

33 голосов
/ 18 ноября 2010

Я только что написал этот тест, чтобы посмотреть, сошел ли я с ума ... 

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 выдает: 

/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 изменю <form> на <xxx> это дает мне: 

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

(как положено).Итак ... похоже, что эти входные элементы не содержатся внутри формы, но непосредственно внутри тела, как если бы <form> просто немедленно закрылся.Что с этим?Это ошибка?

Копая источник, я вижу: 

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

У него есть флаг "пусто", как у META и IMG.Зачем??Формы определенно не должны быть пустыми.

Ответы [ 2 ]

37 голосов
/ 18 ноября 2010

Об этом также сообщается в этом рабочем пункте Он содержит предложенный обходной путь от DarthObiwan.

Вы можете изменить это без перекомпиляции. Список ElementFlags является статическое свойство класса HtmlNode. Его можно удалить с помощью 

    HtmlNode.ElementsFlags.Remove("form");

перед загрузкой документа

25 голосов
/ 21 ноября 2010

Так как я оригинальный автор HAP, я могу объяснить, почему он помечен как пустой :)

Это потому, что когда был разработан HAP, еще в 2000 году HTML 3.2 был стандартом. Возможно, вы знаете, что теги могут полностью перекрываться в HTML. То есть: <b>bold<i>italic and bold</b>italic</i> ( полужирный курсив и полужирный курсив ) поддерживается всеми браузерами (хотя это официально не указано в спецификации HTML). И тег FORM также может отлично перекрывать друг друга.

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

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

Единственное, что вы не можете сделать, это работать с ними с помощью API, с использованием модели дерева, ни с XSL, ни с чем-либо программным. Сегодня, с XHTML / XML почти везде, это звучит странно, но именно поэтому я создал ElementFlags :)

...