Question

我刚写了这个测试，看看我是不是疯了......

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();
        }
    }
}

它输出：

/html[1]/body[1]/form[1]
/html[1]/body[1]/input[1]
/html[1]/body[1]/input[2]
/html[1]/body[1]/input[3]

但是，如果我将<form>更改为<xxx>，则会给我：

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

（应该如此）。所以...看起来那些输入元素不包含在表单中，而是直接在正文中，好像<form>只是立即关闭了自己。那是怎么回事？这是一个错误吗？

通过源头挖掘，我看到了：

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

它有“空”标志，如META和IMG。为什么？？表格绝对是不应该是空的。

Answer 1

这也在this workitem中报告。它包含来自DarthObiwan的建议解决方法。

您无需重新编译即可更改此设置。 ElementFlags列表是一个 HtmlNode类上的静态属性。可以使用
删除它
    HtmlNode.ElementsFlags.Remove("form");
在执行文档加载之前

Answer 2

由于我是最初的HAP作者，我可以解释为什么它被标记为空：）

这是因为在2000年设计HAP时，HTML 3.2才是标准。您可能已经意识到标签可以在HTML中完美重叠。也就是说：所有浏览器都支持<b>bold<i>italic and bold</b>italic</i>（粗体斜体和粗体 斜体）（尽管它在HTML规范中不是正式的））。 FORM标签也可以完美重叠。

由于HAP旨在处理任何HTML内容，而不是打破当时可以找到的大多数页面，我们只是决定将重叠标记处理为EMPTY（使用ElementFlags属性），所以：

你仍然可以加载它们
您可以在不破坏原始HTML的情况下将其保存回来（如果您不需要以任何编程方式在表单中包含任何内容）。

你唯一不能做的就是使用API，使用树模型，XSL或任何程序化的方法。今天，几乎到处都有XHTML / XML，这听起来很奇怪，但这就是我创建ElementFlags :)的原因。

HtmlAgilityPack - 由于某种原因，<form>是否会自行关闭？</form>

2 个答案: