如何分辨页面上的一段 HTML 是富文本编辑器生成的还是直接用 html 的语法书写的？

[manyfreebug]

富文本编辑器能将一段普通文本形成对应的 HTML 标签，有什么特征可以分辨出这段 html 是富文本编辑器生成还是直接用 html 的语法书写的？

例如这张页面框中的这部分，是如何形成的呢： https://developer.mozilla.org/zh-CN/docs/Learn

[wzzzx]

为什么要分辨这个？

[xiaoming1992]

富文本编辑器生成的 `<p>hello</p>` 和 直接用 html 语法书写的 `<p>hello</p>` 有什么区别吗?

[shapl]

看 class 算不？富文本一般没这个。

[DoveAz]

几乎无法分辨

[Pastsong]

你点一下最下面的 Edit on GitHub 那就知道是怎么生成的了

[manyfreebug]

@shapl 有的可以靠 class="markdown_body" class="richtext_body"识别出来，但大部分 html 好像没法分辨

[manyfreebug]

@Pastsong 这个方法可能可以针对 mdn 的页面，但有没有什么通用的方法可以用在别的网站上呢

[Pipecraft]

富文本编辑器生成的网页代码一般会包含 inline style 代码。有的设置字体大小，颜色的会用到 <font size=` ，<font color=` 这种标签。直接用 html 的语法书写的一般会用 class 设置字体和颜色。

[2i2Re2PLMaDnghL]

你只能通过一些启发式的方法去判断，比如你 #6 说的 class，或者 #8 说的 font，或者 span style （毕竟 html5 好像移除了 font ）
至于通用的方法，应当是无解。

[rodrick]

先说说看为啥要分辨 感觉这个需求很特别

[3wdddd]

看是什么富文本，大多富文本都有严格的文档结构，比如说 inline 标签一定在 block 标签里面
有严格的语义化标签
有特定的样式命名空间例如
.editorName p
.editorName span
当内容极致规范的时候，是富文本的可能性很大

[3wdddd]

很多还会将状态存到 htmlAttrs 上 例如 data-xxxx