如何移除HtmlAgilityPack生成的HTML属性中的转义反斜杠？

问题根源 #

你遇到的问题是因为直接返回HtmlNode对象时，默认的ToString()方法采用了XML序列化规则，自动转义了属性中的引号；而你尝试的Replace和HttpUtility.HtmlDecode无效，是因为这些反斜杠并非HTML编码产生，而是序列化逻辑导致的格式问题。

解决方案 #

修改代码，使用HtmlNode.OuterHtml获取HTML字符串，并配置HtmlDocument的输出选项为HTML模式而非XML模式：

public string Get(string page)
{
    var doc = new HtmlAgilityPack.HtmlDocument();
    // 禁用XML输出模式，启用HTML原生输出规则
    doc.OptionOutputAsXml = false;
    doc.LoadHtml(page);
    
    var content = doc.DocumentNode.SelectSingleNode("//html");

    // 返回节点的HTML内容，而非直接返回HtmlNode对象
    return content?.OuterHtml ?? string.Empty;
}

说明 #

• OptionOutputAsXml = false：让HtmlAgilityPack按照HTML规则生成输出，而非严格的XML规则，避免自动转义属性引号。
• content?.OuterHtml：直接获取节点对应的HTML字符串，替代默认的ToString()序列化逻辑，确保输出符合HTML格式要求。

这样修改后，输出的HTML属性引号就不会带有反斜杠，与你的期望输出一致。

内容的提问来源于stack exchange，提问作者Osama