Gibt es eine Alternative zu HTML Tidy?

Question

Ich habe HTML Tidy in meiner Anwendung eingebettet, um eingehendes HTML zu bereinigen. Aber Tidy hat eine enorme Menge an Fehlern, und sie direkt im Quellcode zu beheben ist mein schlimmster Alptraum. Der Tidy-Quellcode ist eine unlesbar Abscheulichkeit. Tausende Zeilen Funktionen, schlechte Variablennamen, Spaghetti-Code usw. Es ist wirklich schrecklich.

Noch schlimmer ist, dass die offizielle Entwicklung anscheinend eingestellt wurde. In den letzten 12 Monaten gab es drei Schreibvorgänge im offiziellen CVS-Repository. Aber es ist schon viel länger tot und begraben...

Also suche ich nach einer OSS C- oder C++-Anwendung/Bibliothek, die das kann, was Tidy kann (wenn es Lust hat): fehlerhaftes HTML-Markup korrigieren und in gültiges XHTML umwandeln (das ist der Teil, der mich interessiert). Und ich meine jede Art von fehlerhaftem Markup.

Gibt es so etwas da draußen?

EDIT: Ich benötige es sowohl für Manipulationen am DOM-Baum durch ein XML-Verarbeitungstool als auch für die allgemeine Einhaltung der XHTML-Spezifikation. Meine App muss HTML von Benutzern akzeptieren (das oft in vielerlei Hinsicht ungültig ist) und gültiges XHTML ausgeben können. Es muss sogar mit HTML umgehen können, das normalerweise nicht in einem Browser angezeigt wird, weil der Benutzer es von Hand bearbeitet hat und danach nicht überprüft hat.

Ein Ersatz für Tidys fehlerkorrigierenden Parser... der nicht schlecht ist. Mir macht es nichts aus, wenn es Fehler gibt, wenn der Quellcode lesbar ist und ich Probleme selbst beheben kann, oder wenn es aktive Entwickler gibt, die zeitnah Bugfixes bereitstellen.

Answer 1

Könnten Sie uns mitteilen, wofür Sie dieses Tool verwenden möchten? Möchten Sie statische Webseiten reparieren oder einen Art von Filterungsschritt vor anderen Manipulationen durchführen, so dass ein Tool fehlerhafte Webseiten verarbeiten kann?

Persönlich schreibe ich mein eigenes Tool über Python's BeautifulSoup oder lxml, wann immer ich es brauche --- es ist höchstens ein Dutzend Zeilen Skript und macht viel von dem, was ich möchte.

Answer 2

Es gibt ein neues, schönes, ordnungsgemäßes HTML 5 unterstützendes Tidy, so dass die Alternative zum alten, hässlichen Tidy Tidy wäre (GitHub-Repository).

Answer 3

Versuchen Sie Pretty Diff. Es handelt sich um einen deutlich überlegenen Verschönerungsalgorithmus, der keine Annahmen über Ihre Eingabe trifft.

http://prettydiff.com/?m=beautify&html

Answer 4

Für etwas, das tatsächlich Code repariert, ist HTML Tidy immer noch die beste Wahl. Es gibt viele Linters, aber eigentlich nichts, was Fehler in HTML repariert, außer Tidy.

Auf den ersten Blick könnten moderne OOP-Programmierer denken, dass der Quellcode eine unlesbare Grausamkeit ist, aber in der C-Welt ist Tidy eine ziemlich ausgefeilte Bibliothek, die viele fortgeschrittene OO-Konzepte verwendet und eine sehr durchdachte Benutzeroberfläche bietet, die nahezu alle Funktionen in einer reinen C-API freigibt.

Ein Gelegenheitsentwickler wird sich verloren fühlen, aber sobald er eingetaucht ist, ist der Code ziemlich schön. Zugegeben, Namenskonventionen sind ein gemischtes Bild, aber PR's sind willkommen!