文章内容
2017/7/30 17:32:15,作 者: 黄兵
彻底修正不规范的HTML，避免引起页面布局错乱
我在以前的一篇随笔“对于用户上传不规划Html而导致页面布局错乱的一简单解决方法”介绍了使用正则解决页面布局错乱的方法，那种方法只能解决部分情况，对于一些比较特殊的Html代码就无能为力了，一直想完善这个解决方法的，今天下定决心重新思考了解决方法。
Html错乱无非是标签不完整导制的，在实际程序中往往是用户直接把其它网页的内容粘贴到在线编辑器、或直接手动改写Html代码引起的，当然不乏有人恶意破坏，所以这次我使用类似语法分析的方式来修正不规范的HTML代码，不多说了，看代码吧：
public static string RepairHTML(string htmlStr)}
{
StringBuilder sbReturn = new StringBuilder();
int subStart = 0;
string tagName = string.Empty;
bool isRunning = false;
bool isSearchEndTag = false;
int subElementCount = 0;
StringBuilder tag = new StringBuilder();
for (int i = 0; i < htmlStr.Length; i++)
{
if (isRunning || htmlStr[i].Equals('<'))
{
if (!isRunning)
{
isRunning = true;
continue;
}
if (!string.IsNullOrEmpty(tagName))
{
if (isSearchEndTag && !htmlStr[i].Equals('>'))
{
tag.Append(htmlStr[i]);
continue;
}
if (!isSearchEndTag && htmlStr[i].Equals('<'))
{
isSearchEndTag = true;
continue;
}
if (_getTagName(tag) == tagName)
{ //内部包含子元素
subElementCount++;
}
if (tag.ToString().StartsWith("/") && tagName == _getEndTagName(tag))
{
subElementCount--;
if (subElementCount >= 0) continue;//
string innerHtml = htmlStr.Substring(subStart, i - (tag.Length + 1) - subStart);
if (!string.IsNullOrEmpty(innerHtml))
sbReturn.Append(FormatHelper.RepairHTML(innerHtml));
sbReturn.Append("<" + tag.ToString() + ">");
tagName = string.Empty;
isRunning = false;
}
tag = new StringBuilder();
isSearchEndTag = false;
continue;
}
if (!htmlStr[i].Equals('>'))
{
tag.Append(htmlStr[i]);
continue;
}
if (string.IsNullOrEmpty(tagName))
{
subStart = i + 1;
tagName = _getTagName(tag);
if (tagName.StartsWith("/"))
{
//去掉只有结束标记的标签
tagName = string.Empty;
isRunning = false;
continue;
}
else if (noEndTags.Contains(tagName.TrimStart('/')))
{
//处理自闭合标签
sbReturn.Append("<" + tag.ToString().TrimEnd('/') + "/>");
tagName = string.Empty;
isRunning = false;
continue;
}
else
{
sbReturn.Append("<" + tag.ToString() + ">");
}
tag = new StringBuilder();
}
}
else
sbReturn.Append(htmlStr[i]);
}
if (!string.IsNullOrEmpty(tagName))
{
//到文本结尾还查不到结束标签时自动补上
sbReturn.Append(FormatHelper.RepairHTML(htmlStr.Substring(subStart)));
sbReturn.Append("</" + tagName + ">");
}
return sbReturn.ToString();
}
/// <summary>
/// (内部方法)获取开始标签的tagName
/// </summary>
/// <param name="tag"></param>
/// <returns>返回tagName的大写形式</returns>
private static string _getTagName(StringBuilder tag)
{
return tag.ToString().Split(' ')[0].TrimEnd('/').ToUpper();
}
/// <summary>
/// (内部方法)获取结束标签的tagName
/// </summary>
/// <param name="tag"></param>
/// <returns>返回tagName的大写形式</returns>
private static string _getEndTagName(StringBuilder tag)
{
return tag.ToString().Split(' ')[0].TrimStart('/').ToUpper();
}使用示例：
string badHtml = "<div><p>hi</p></div><div><p>这是测试<table><tr><td>这里少了<p>table/tr/td</p>的结束标签<hr>少了div的结束标签"; string repairedHtml = FormatHelper.RepairHTML(badHtml);得到的repairedHtml 结果为：
<div><p>hi</p></div><div><p>这是测试<table><tr><td>这里少了<p>table/tr/td</P></TD></TR></TABLE></p><hr/>少了div的结束标签</DIV>
性能分析:
RepairHTML函数采用递归的方式对输入的字串进行分析，递归的次数取决于输入字串中含有的Html标签数（包括自定义的标签，如：<mytag></mytag>），循环的次数最大为=1+2+3+…+n (假设输入字串的长度为n) ，即：n(n-1)/2 ，所以时间复杂度可认为是：O(n^2)
注：我只是做了些简单的测试，尚未发现bug，但不表示程序一定能正确运行，如你发现问题请告诉我，我也会不断完善这个小功能的。
（转载、使用请注明作者XiaoG、原文链接:http://www.cnblogs.com/XiaoG/archive/2009/08/26/1554448.html）
评论列表