格式化html，有没有成熟的c#算法？

[oldhunter]

对混乱的HTML，进行格式化，有没有成熟的c#算法？

如果是简单的缩进、排版，也比较好写。但有些情况不太容易处理，例如：
1、一个完整的 a、li 标签是否应该换行，什么时候需要换行。
2、js脚本内容如何缩进，样式表内容如何缩进与排版。
3、前后标签不对称时，如何处理。
4、以及其它一些细节问题。

[github_36000833]

自己写很花时间，还不容易做好（有很多时间的话，是一个非常好的练手项目）。

可以先考虑使用或参考开源软件，比如
https://github.com/AngleSharp/AngleSharp

或用HtmlAgilityPack 来读出一个DOM，然后自己写缩进节点？
HtmlAgilityPack 有Nuget包。
项目地址：https://github.com/zzzprojects/html-agility-pack/

[娃都会打酱油了]

如果是标准的html，你用xml读取后，再保存时指定要有格式不就行了？

[github_36000833]

引用 2 楼 娃都会打酱油了 的回复:

如果是标准的html，你用xml读取后，再保存时指定要有格式不就行了？

有时候还是挺棘手的。

<p id = "这两个图像是紧挨着的">
<img src='1'/><img src='2'/>
</p>

<p id = "这两个图像间有一个空格">
<img src='1'/>
<img src='2'/>
</p>

[wanghui0380]

参考vscode，代码都开源了。你的格式化要求，微软当然自己也要实现，不然那有人用他啊。 ps：关于规则，参考vs本身或者vscode本身，他能格式成啥样就是通用标准，如果vs都不能格式的，你只能单独给标准了

[wanghui0380]

基本上这个东西还在一个范畴，词法分析 通常的做法，先从标准的H5，BNF范式里构造 词法分析代码，从词法分析代码里把文本散成语法树，然后遍历语法树，去格式（树嘛，当然有枝，有叶。叶子缩进，同级并排） 词法分析常规手段 “Antlr4”（也许微软后面的那个 Rosylyn 也可以用，没特意关注过，我一般使用Antlr4） 当然这是标准的玩意，如果有个别非标的，得重新写一下BNF定义，把非标的加进去。 so，总结一下,通行解法 BNF---文法解析器（Antlr4,yacc, Rosylyn）---语法树---文本引擎(比如T4或者Razor)

[wanghui0380]

实际上上面提到html-agility-pack也是一样的解法 html-agility-pack 不过是省掉前面两部，直接出Dom树，然后遍历输出（可选使用文本模板引擎）

[XBodhi.]

其实你可以 调用 VSCODE 的IDE 的DLL，参考他的源代码。

[oldhunter]

AngleSharp 已测试，没有找到内置的格式化HTML的策略，有一个 ToHtml 方法，但需要自己写接口实现。测试代码如下：

AngleSharp.Html.Parser.HtmlParserOptions parserOptions = new AngleSharp.Html.Parser.HtmlParserOptions();
AngleSharp.Html.Parser.HtmlParser htmlParser = new AngleSharp.Html.Parser.HtmlParser(parserOptions);
AngleSharp.Dom.IDocument document = htmlParser.ParseDocument(html);
//txtHmtl.Text = document.DocumentElement.OuterHtml;
using (StringWriter textWriter = new StringWriter())
{
    IMarkupFormatter formatter = new MyMarkupFormatter();     // 需要自己实现接口，没有格式化策略
    document.ToHtml(textWriter, formatter);
    txtHmtl.Text = textWriter.ToString();
}

测试 VSCode 时，安装了一个windows桌面程序，未找到相关算法或插件。

[oldhunter]

VSCode 是用什么语言开发的？ 下载源文件后，发现看不懂。 后缀为 .ts 的文件，是什么语言呢？

github地址：https://github.com/Microsoft/vscode

[货郎大叔]

参考vs本身或者vscode本身，他能格式成啥样就是通用标准，如果vs都不能格式的，你只能单独给标准了

[github_36000833]

引用 10 楼 oldhunter 的回复:

VSCode 是用什么语言开发的？ 下载源文件后，发现看不懂。 后缀为 .ts 的文件，是什么语言呢？

github地址：https://github.com/Microsoft/vscode

javascript

具体来说，VisualStudio Code基于Electron项目，Electron使用Node.js驱动，并用Chromium来做UI（可以理解成浏览器和网页来做UI）。因此VisualStudio Code可以跨平台（还可运行在MacOSX和Linux上）。

[oldhunter]

引用 11 楼 货郎大叔 的回复:

参考vs本身或者vscode本身，他能格式成啥样就是通用标准，如果vs都不能格式的，你只能单独给标准了

vscode开源代码中，哪一部分是标准呢？是JS代码，还是 .json 的语法库文件？

[oldhunter]

引用 12 楼 github_36000833 的回复:

[quote=引用 10 楼 oldhunter 的回复:]
VSCode 是用什么语言开发的？ 下载源文件后，发现看不懂。 后缀为 .ts 的文件，是什么语言呢？

github地址：https://github.com/Microsoft/vscode

javascript

具体来说，VisualStudio Code基于Electron项目，Electron使用Node.js驱动，并用Chromium来做UI（可以理解成浏览器和网页来做UI）。因此VisualStudio Code可以跨平台（还可运行在MacOSX和Linux上）。[/quote]

谢谢，看了一下 Electron 项目，确实很强大。
VisualStudio Code 完全没有用到原生代码对吗，如c#/c++？但也没有看到集成 Chromium 内核啊？是已经封装到 exe 主程序了吗？如下图：

[oldhunter]

谢谢各位！

我会测试一下大家推荐的：
1、AngleSharp（类似 HtmlAgilityPack，但功能更强大）
2、VSCode （前端开发插件，可能是 Chrome 的插件）

测试后，最终采用的方案，会反馈到帖子中。

另外，HtmlAgilityPack 不支持导出为格式化后的HTML，只能导出为原格式，之前测试过：

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
txtHmtl.Text = doc.DocumentNode.OuterHtml;

之前，也尝试过 HtmlAgilityPack.HtmlDocument 的相关属性，没有发现哪个属性可以决定格式化HTML。

[风一样的程序员]

引用 3 楼 github_36000833的回复:

[quote=引用 2 楼 娃都会打酱油了 的回复:]
如果是标准的html，你用xml读取后，再保存时指定要有格式不就行了？

有时候还是挺棘手的。

<p id = "这两个图像是紧挨着的">
<img src='1'/><img src='2'/>
</p>

<p id = "这两个图像间有一个空格">
<img src='1'/>
<img src='2'/>
</p>
[/quote] 因为你用p套的啊！代表段落，里面的内容都会显示，即使空格！如果用div你再试一下！

[sp42a]

引用 10 楼 oldhunter 的回复：

VSCode 是用什么语言开发的？ 下载源文件后，发现看不懂。 后缀为 .ts 的文件，是什么语言呢？

github地址：https://github.com/Microsoft/vscode

js or ts

[luj_1768]

一般首先需要格式化数据（内容），然后才能使用自动排版，然后进行人工调校，最后才能放到网站上。格式化数据时，很重要的工作是做标记（自动化排版需要一些额外信息）。