如何用Ganss.Xss.HtmlSanitizer检测无效HTML并抛出异常？

要实现输入无效HTML时抛出异常，核心是利用HtmlSanitizer依赖的HtmlAgilityPack的解析错误检测，结合工具的事件或前置解析步骤来实现，具体有两种可行方案：

方案一：提前解析并检查HTML错误 #

直接用HtmlAgilityPack解析原始HTML，检查解析错误集合，若存在错误则抛出异常，再执行清理操作：

using Ganss.Xss;
using HtmlAgilityPack;

var html = @"invalid html";
var doc = new HtmlDocument();
// 关闭自动修复嵌套标签，保留原始解析错误
doc.OptionFixNestedTags = false;
doc.LoadHtml(html);

// 检查解析错误
if (doc.ParseErrors.Any())
{
    var errorDetails = string.Join("; ", doc.ParseErrors.Select(e => e.Reason));
    throw new InvalidOperationException($"无效HTML：{errorDetails}");
}

// 解析无错误时执行清理
var sanitizer = new HtmlSanitizer();
var sanitized = sanitizer.Sanitize(html, "https://www.example.com");

方案二：通过Sanitizer事件检查解析文档 #

利用HtmlSanitizer的PostProcessDocument事件，在清理完成后获取解析后的文档并检查错误：

using Ganss.Xss;

var html = @"invalid html";
var sanitizer = new HtmlSanitizer();
bool hasInvalidHtml = false;

sanitizer.PostProcessDocument += (s, e) =>
{
    // 检查解析文档的错误集合
    if (e.Document.ParseErrors.Any())
    {
        hasInvalidHtml = true;
    }
};

var sanitized = sanitizer.Sanitize(html, "https://www.example.com");

if (hasInvalidHtml)
{
    var errorDetails = string.Join("; ", sanitizer.Document.ParseErrors.Select(e => e.Reason));
    throw new InvalidOperationException($"无效HTML：{errorDetails}");
}

注意事项 #

• HtmlAgilityPack的ParseErrors会记录解析过程中的语法错误（如未闭合标签、非法结构等），这是判断无效HTML的可靠依据。
• 若仅对比原始HTML和清理后的内容，无法区分「合法但被清理的内容」和「无效HTML」，因此优先推荐上述两种方案。

内容的提问来源于stack exchange，提问作者LP13