No meu webservice preciso formatar sempre o HTML que recebo. Para me certificar que fica corretamente formatado eu uso o HtmlAgilityPack.
HTML que recebo:
<p>
<div>
<b>text:</b>
<img alt="" height="362" src="/PublishingImages/imageName.png?RenditionID="16&Width=639&Height=362" width="639" style="BORDER: 0px solid; ">
</div>
<div> <!---assim aberto é que está bem-->
<b>text:</b>
<div style="text-align:justify;"></div>
<div style="text-align:justify;"></div>
<p style="text-align:justify;">
<span class="ms-rteThemeForeColor-2-0">
<br>
text
</span>
</p>
<p style="text-align:justify;">
<br class="ms-rteThemeForeColor-2-0">
<span class="ms-rteThemeForeColor-2-0">
text
<br>
</span>
</p>
<p style="text-align:justify;">
<span class="ms-rteThemeForeColor-2-0">
<br>
</span>
</p>
<p style="text-align:justify;">
<span class="ms-rteThemeForeColor-2-0">
text
</span>
<br>
</p>
</div>
</p>
Meu código para formatar o HTML:
if (!HtmlNode.ElementsFlags.ContainsKey("p"))
HtmlNode.ElementsFlags.Add("p", HtmlElementFlag.Closed);
else
HtmlNode.ElementsFlags["p"] = HtmlElementFlag.Closed;
if (!HtmlNode.ElementsFlags.ContainsKey("span"))
HtmlNode.ElementsFlags.Add("span", HtmlElementFlag.Closed);
else
HtmlNode.ElementsFlags["span"] = HtmlElementFlag.Closed;
if (!HtmlNode.ElementsFlags.ContainsKey("div"))
HtmlNode.ElementsFlags.Add("div", HtmlElementFlag.Closed);
else
HtmlNode.ElementsFlags["div"] = HtmlElementFlag.Closed;
var htmlDoc = new HtmlDocument();
htmlDoc.OptionFixNestedTags = true;
htmlDoc.OptionWriteEmptyNodes = true;
htmlDoc.LoadHtml(myHtml);
foreach (var eachNode in htmlDoc.DocumentNode.SelectNodes("//*"))
{
var count = 0;
foreach (var attr in eachNode.Attributes)
if (attr.Name.ToLower() != "href" && attr.Name.ToLower() != "src" && attr.Name.ToLower() != "alt" && attr.Name.ToLower() != "style")
{
attr.Name = "feeds" + count.ToString();
attr.Value = "";
count++;
}
}
var htmlError = htmlDoc.ParseErrors.SafeAny();
if (!htmlError)
myHtml = htmlDoc.DocumentNode.InnerHtml;
No entanto, o HtmlAgilityPack está a desformatar um pouco o HTML comparativamente ao HTML inicial.
HTML depois de formatado pelo HtmlAgilityPack:
<p>
<div>
<b>text:</b>
<img alt="" feeds0="" src="/PublishingImages/imageName.png?RenditionID=" feeds1="" feeds2="" style="BORDER: 0px solid; " />
</div>
<div /> <!---não devia estar fechado-->
<b>text:</b>
<div style="text-align:justify;" />
<div style="text-align:justify;"> <!---não devia estar aberto-->
<p style="text-align:justify;">
<span feeds0="">
<br />
text
</span>
</p>
<p style="text-align:justify;">
<br />
<span feeds0="">
text
<br />
</span>
</p>
<p style="text-align:justify;">
<span feeds0="">
<br />
</span>
</p>
<p style="text-align:justify;">
<span feeds0="">
text
</span>
<br />
</p>
</div>
</p>
Porque é que isto acontece e como posso resolver isto? Já descobri que se comentar o seguinte código o HTML fica corretamente formatado:
if (!HtmlNode.ElementsFlags.ContainsKey("div"))
HtmlNode.ElementsFlags.Add("div", HtmlElementFlag.Closed);
else
HtmlNode.ElementsFlags["div"] = HtmlElementFlag.Closed;
Mas porquê? É que eu não posso descomentar este código porque se o HTML tiver uma div
mal fechada, terei problemas mais à frente e portanto terá que estar tudo fechado.
NOTA: onde está <div /> <!---não devia estar fechado-->
devia ser apenas <div>
como no primeiro HTML que recebo.