如何修复 HTML 片段中悬挂的 html 标签？

Question

我从外部来源获得了一个可能编写不当的 HTML 片段：

<p>Include all the information someone would need to answer your <i><i>question<p>

如何确保在更大的 HTML 文档中呈现安全，关闭 Java 中所有悬挂的 HTML 标签？

Answer 1

您可以尝试将传入的字符串解析为 XML - 有很多工具可以做到这一点。 如果失败，则意味着 HTML 格式错误（例如，并非所有标签都正确关闭）。

如果您需要更好的验证，您可以另外针对 XSD 验证它。

Answer 2

您可以通过编写自己的 Java 自定义解析器并修复标签来实现这一点。 想法会是这样，获取所有打开的标签并在字符串中找到其相关的结束标签。 if there is no closing tag founds.你可以，如果没有关闭标签开创更换。

您需要处理重复项和 pre ， post 有效标签。

否则你可以尝试这个开源的方便的解析，这有助于实现这一目标。 http://java-source.net/open-source/html-parsers

http://htmlcleaner.sourceforge.net/看起来不错的选择。 希望这可以帮助。