如何强制浏览器停止将动态插入的代码解析为HTML4

How to force the browser to stop parsing dynamically inserted code to HTML 4?

本文关键字：代码 HTML4 插入 动态 浏览器 何强制      更新时间：2023-09-26

我实际上需要将一些非常旧的HTML解析为PDF文件，我已经有了一个jar，但它只接受合法的XHTML代码。因此，我必须解析我的旧HTML代码，这样jar才会接受它。因为我非常清楚我解析的HTML代码会是什么样子。我的想法是使用John Resig的HTML Parser将某些标签（img、br、meta）解析为直接的XML，这将对它们产生所需的效果（主要是关闭标签）。

我的实际尝试是这样的：

function fixTags() {
    var tagsToParse = new Array( "br", "img", "input", "meta" );
    for(i = 0; i < tagsToParse.length; i++) {
        var elements = document.getElementsByTagName(tagsToParse[i]);
        for(j = 0; j < elements.length; j++) {
                elements[j].outerHTML = HTMLtoXML(elements[j].outerHTML);
        }
    }
}

这里的问题是，浏览器会将元素的新代码解释为HTML4，这导致他更改回我想要更改的内容。例如，<br>在经过解析器后变成了<br/>，但浏览器实际上会将其解释为HTML4，并且元素的outerHTML属性将再次为<br>。

我解决这个问题的第一次尝试是强制文档暂时为XHTML：

var root = document.getElementsByTagName("html")[0];
root.setAttribute("xml", "http://www.w3.org/1999/xhtml");

但他的行为似乎一点也不困扰浏览器。

"显而易见"的解决方案是从dom构建一个字符串树，替换那里的字符串，并遍历树到我想要的字符串，对于这个"小"问题来说，这似乎有点太重和复杂了，这就是我问你的原因。

所以，如果有人有一个更简单的解决方案的想法，我会很高兴，应用程序是IE专用的，所以IE专用的解决方案也被接受。

对于您的用例，使用现有的HTML->XHTML转换器可能是最简单的，例如：http://www.it.uc3m.es/jaf/html2xhtml/simple-form.html

如果您真的想在浏览器中这样做，对于一个简单的解决方案，您可以尝试这样的方法，使用简单的正则表达式（通常不应该使用RegExp来解析XML）和XMLSerializer。

var serializer = new XMLSerializer();
var xml = serializer.serializeToString(document).replace(/<(img|meta|input|br|link)([^>]*)/gi, function (ignore, tagName, attributes) {
    return '<' + tagName + attributes + ' />';
});

如果不起作用，你可以查找一个不那么天真的正则表达式，但我认为对于一个可以转换为PDF的文档来说，这应该很有用。

EDIT：请注意，RegEx假定在执行此操作之前，这些标记都不是自动关闭的。

相关文章：