c html 文档解析,【记录】C#中的HTML解析

之前已经整理了：

现在继续折腾。

1.有空再去试试：

2.搜

C# beautifulSoup

而找到：

3.去试试：

参考官网代码，把示例代码添加进来了：using Sgml;

using System.Xml;

using System.IO;

XmlDocument FromHtml(TextReader reader)

{

// setup SgmlReader

Sgml.SgmlReader sgmlReader = new Sgml.SgmlReader();

sgmlReader.DocType = "HTML";

sgmlReader.WhitespaceHandling = WhitespaceHandling.All;

sgmlReader.CaseFolding = Sgml.CaseFolding.ToLower;

sgmlReader.InputStream = reader;

// create document

XmlDocument doc = new XmlDocument();

doc.PreserveWhitespace = true;

doc.XmlResolver = null;

doc.Load(sgmlReader);

return doc;

}

4.然后再去参考：

去看看如何使用。

最后，经过简单修改，就可以将html转换为xml的document了：using Sgml;

using System.Xml;

using System.IO;

XmlDocument htmlToXmlDoc(string html)

{

// setup SgmlReader

Sgml.SgmlReader sgmlReader = new Sgml.SgmlReader();

sgmlReader.DocType = "HTML";

sgmlReader.WhitespaceHandling = WhitespaceHandling.All;

sgmlReader.CaseFolding = Sgml.CaseFolding.ToLower;

//sgmlReader.InputStream = reader;

sgmlReader.InputStream = new StringReader(html);

// create document

XmlDocument doc = new XmlDocument();

doc.PreserveWhitespace = true;

doc.XmlResolver = null;

doc.Load(sgmlReader);

return doc;

}

5.后来，分别遇到并解决了：

6.

7.