HTML -> XML

Как вы решаете проблему конверта сабжа? Большинство страниц вообше не valid xhtml...

Цитата ("sharpaddict"):

Как вы решаете проблему конверта сабжа? Большинство страниц вообше не valid xhtml...

А причем тут xhtml к xml?

Если вопрос в том, что надо делать валидные xhtml-страницы, то ответ простой - надо следовать спецификации. Иногда это не получается. В таких случаях можно использовать хаки, например, вывод невалидного кода средствами javascript. Только... оно надо?

Не, мы просто берём страницу (например любую с seclab.ru), пытаемся LoadXml(downloaded_page), вылетает эксепшын связаный с невалидным xml... А нужно как-то сделать _валидный_...

sharpaddict, а ты вообще в курсе, что XML и XHTML (а уж тем более HTML) -- вещи совершенно разные?

sharpaddict,
"эксепшын связаный с невалидным xml" - и там ошибка не указана разве?
Телепатов здесь не видно.

Цитата:

sharpaddict, а ты вообще в курсе, что XML и XHTML (а уж тем более HTML) -- вещи совершенно разные?

Как ни странно, в курсе. Возможно не так выразился...

Цитата:

"эксепшын связаный с невалидным xml" - и там ошибка не указана разве?
Телепатов здесь не видно.

Это вообще не относится к вопросу... На многих сайтах например td не закрывают... Угадай с трёх раз валидный xml или нет? А отображается - на ура.

Цитата:

Это вообще не относится к вопросу...

Потому что задачу нужно формулировать нормально. С тем же успехом я могу спросить, как вы решаете проблему с черновиками в почтовых интерфейсах?

В общем, если я понял твою задачу, то tidy:
ссылка

Пример:
ссылка

Не, ни тайди, ни SgmlReader, ни MilHtmlParser (даже во всевозможных комбинациях) не могут причесать например ссылка

Код содержит ошибки, которые стандартные валидаторы не могут исправить. Это не предупреждения типа "тэг не закрыт".
Имхо, тока ручками... Писать парсер, которые учитывает возможности различных браузеров - это не парсер, который следует конкретной спецификации.

Цитата ("alibek"):

sharpaddict, а ты вообще в курсе, что XML и XHTML (а уж тем более HTML) -- вещи совершенно разные?

Эй да, xHTML - это и есть XML
ссылка

По идее, если взять HTML->SGML (приписывание HTML к конкретной схеме), а потом SGML->XML (построить XML по той же схеме, что и SGML(есть стандартный конвертор)), торезультат будет вполне корректным. Насколько я знаю, приблизительно так реализованы многие браузеры. Хотя ничего гарантировать не могу, я с SGML дела не имею.

Shevron, ну тогда можно сказать, что XML -- это и есть TXT.
XHTML это разновидность XML, но строго для определенных целей. У них разное назначение, разные области использования.

Цитата:

Вы вначале утверждали что это разные вещи... а не цели. Вещи как оказалось одинаковые, в этом и суть. Кстати и XML и XHTML предназначены для одних и тех же целей: хранение и представление информации.

:shok:
Глупость. XML - для разметки и хранения данных, а XHTML - для разметки и предоставления информации. Перечитайте внимательнее ту же википедию.

Цитата ("Churchik"):

Цитата:

Вы вначале утверждали что это разные вещи... а не цели. Вещи как оказалось одинаковые, в этом и суть. Кстати и XML и XHTML предназначены для одних и тех же целей: хранение и представление информации.

:shok:
Глупость. XML - для разметки и хранения данных, а XHTML - для разметки и предоставления информации. Перечитайте внимательнее ту же википедию.

Перечитай внимательнее ту же википедию по разделам что такое "данные" и что такое "информация".
И еще раз внимательнее про xHTML и XML.

Бугага Правилный ответ:
Цитата:

XHTML является подмножеством XML

Читайте Маркса, там понятно изложено

Цитата ("sharpaddict"):

Бугага Правилный ответ:
Цитата:

XHTML является подмножеством XML

Читайте Маркса, там понятно изложено

Правильный ответ:

Цитата:

XHTML является подмножеством SGML

читайте спецификации.

Что за детский сад?

Цитата ("sharpaddict"):

Что за детский сад?

Где Вы увидели детский сад, извините?

Валидный xHTML является валидным XML.
Валидный HTML совсем не обязан быть валидмым XML, хотя и может.