Исправление некорректного HTML, XHTML

При необходимости обработки большого количества HTML документов в полный рост встает вопрос исправления некорректного кода. Все самое лучшее уже придумали.

HTML Tidy — исправление некорректного кода

HTML Tidy бесплатная программа для исправления ошибок в html, xhtml, xml коде. Из возможностей — преобразование html в корректный xhtml, закрытие тегов, исправление порядка вложенности тегов и все остальное.

HTML Tidy Library Project — страница проекта. Версии для разных ОС

Исправь свои WEB-страницы с помощью HTML Tidy — статья с примерами работы утилиты HTML Tidy на w3.org

Сама по себе Tidy HTML представляет собой консольную программу, которая получая на входе файл и перечень опций способна вернуть "исправленную" версию кода + (при необходимости) файл со списком найденных ошибок.

Чтобы получить список опций необходимо запустить Tidy с параметром "-help" или (для более подробного описания) "-help | more".

Если в обрабатываемом файле присутствует кириллица — необходимо включить параметр raw для опции char-encoding. Это важно!

На сайте разработчика присутствует GUI для тех кто без него никак: GUI Tidy HTML для Windows и Linux.

Решения на PHP для исправления некорректного HTML, XHTML

Существует tidy-модуль к php. Вероятно его использование (где это возможно) — оптимальное решение. Как вариант предлагается воспользоваться классом HTMLSax3.

WordPress должен исправлять некорректный XHTML код автоматически

В WordPress для автоматического исправления кода существует специальный фильтр force_balance_tags, который находится в файле wp-includes/formatting.php

Важно понимать, что обработка введенного этим фильтром (который активизируется галкой "WordPress should correct invalidly nested XHTML automatically" на странице Settings → Writing) кода производится в момент публикации.

Зачем это все может понадобиться

Превращение документов текстовых редакторов (типа MS Word) или визуальных редакторов в правильные HTML страницы.

Автоматический парсинг чужого HTML.