Есть ли какой-нибудь инструмент командной строки или рубиновая библиотека для очистки/исправления недопустимых файлов .csv, что-то вроде аккуратного для html? Пример ошибки: неэкранированные непоследовательные двойные кавычки. Связано с:...

В моем приложении я извлекаю некоторый HTML-контент из Интернета. Иногда эта разметка выглядит не самым корректным кодом, и я хотел бы ее почистить (исправить ошибки разметки и т. д.), подобно тому, как работает HTMLTidy. Кто-то упомянул libTidy,...

Иметь архивные данные статей за 10 лет, большая часть которых пронизана разметкой MS Word, сохраняемой как HTML, например <p class="MsoNormal"> Прежде всего, подходит ли html для удаления разметки, сгенерированной MS Word, или мне нужно...