为了符合可访问性标准，我需要确保某些动态生成的 html(我无法控制)中的所有图像都具有空的 alt 标记(如果未指定的话)。
示例输入:
<html>
<body>
<img src="foo.gif" />
<p>Some other content</p>
<img src="bar.gif" alt="" />
<img src="blah.gif" alt="Blah!" />
</body>
</html>
期望的输出:
<html>
<body>
<img src="foo.gif" alt="" />
<p>Some other content</p>
<img src="bar.gif" alt="" />
<img src="blah.gif" alt="Blah!" />
</body>
</html>
html 可能非常大并且 DOM 嵌套很重，因此使用诸如 Html Agility Pack 之类的东西已经过时了。
谁能建议一种有效的方法来实现这一点？
更新:
可以安全地假设我正在处理的 html 格式正确，因此潜在的解决方案根本不需要考虑这一点。
最佳答案
您的问题似乎非常具体，您需要更改一些输出，但出于性能原因，您不想使用(类似通用的东西)HTMLAgilityPack 来解析整个问题。最好的解决方案似乎是用艰难的方式来做。
我只会暴力破解它。很难比这样更有效地做到这一点(完全未经测试，几乎可以保证不会按原样工作，但逻辑应该没问题，如果某处缺少“+1”或“-1”):
string addAltTag(string html) {
StringBuilder sb = new StringBuilder();
int pos=0;
int lastPos=0;
while(pos>=0) {
int nextpos;
pos=html.IndexOf("<img",pos);
if (pos>=0) {
// images can't have children, and there should not be any angle braces
// anyhere in the attributes, so should work fine
nextPos =html.IndexOf(">",pos);
}
if (nextPos>0) {
// back up if XML formed
if (html.indexOf(nextPos-1,1)=="/") {
nextPos--;
}
// output everything from last position up to but
// before the closing caret
sb.Append(html.Substring(lastPos,nextPos-lastPos-1);
// can't just look for "alt" could be in the image url or class name
if (html.Substring(pos,nextPos-pos).IndexOf(" alt=\"")<0) {
sb.Append(" alt="\"\"");
}
lastPos=nextPos;
} else {
// unclosed image -- just quit
pos=-1;
}
}
sb.Append(html.Substring(lastPos);
return sb.ToString();
}
您可能需要做一些事情，例如在测试之前转换为小写，解析或测试变体，例如 alt = "(即带空格)等，具体取决于您期望的一致性你的 HTML。
顺便说一句，这不可能更快，但如果你出于某种原因想使用更通用的东西，你也可以试试 CsQuery .这是我自己的 jQuery 的 C# 实现，它可以很容易地做这样的事情，例如
obj.Select("img").Not("[alt]").Attr("alt",String.Empty);
既然你说 HTML agility pack 在深度嵌套的 HTML 上表现不佳，那么这对你来说可能会更好，因为我使用的 HTML 解析器不是递归的，无论嵌套如何，它都应该线性执行。但这比仅仅根据您的确切需要编码要慢得多，因为它当然会将整个文档解析为一个对象模型。这对于您的情况是否足够快，谁知道呢。
关于c# - 在大型 html 文档中为图像添加缺少的 alt 标签的最有效方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7531465/