提问人：Matthew Flaschen 提问时间：4/1/2009 最后编辑：Matthew Flaschen 更新时间：7/5/2010 访问量：1481
用于从 HTML 标签汤生成 .NET XmlDocument 的库
Library to generate .NET XmlDocument from HTML tag soup
问：
我正在寻找一个 .NET 库，该库可以从无效的 HTML 代码生成干净的 Xml 树，最好是 System.Xml.XmlDocument。也就是说，它应该像浏览器在遇到这种情况时所做的那样尽最大努力进行猜测、修复和替换，并生成一个假装的 XmlDocument。图书馆也应该得到良好的维护。:)
我意识到这有很多（太多了？），我将不胜感激任何有用的线索。Java 似乎有相当多的实现，但我宁愿不生成自己的绑定。到目前为止，对于 .NET，我已经找到了 http://www.majestic12.co.uk/projects/html_parser.php 和 http://users.rcn.com/creitzel/tidy.html#dotnet，http://sourceforge.net/projects/tidyfornet .
我还没有构建或测试其中任何一个，但从（稀疏的）文档和罕见的更新来看，它们似乎没有我想要的东西。那么，在这些选择中，或者从您过去的经验中，您有什么建议。
答：
8赞
Marc Gravell
4/1/2009
#1
HTML Agility Pack 受到高度评价。它肯定会进行解析/最佳猜测等。
该模型本质上类似于 XmlDocument，包括用于查询的 SelectNodes 等。
如果你需要 xhtml 输出，有一个标志;我假设将其设置为 true 并在 xhtml 中调用结果。OptionOutputAsXmlSave
评论
0赞
Matthew Flaschen
4/1/2009
谢谢！到目前为止，它看起来非常可靠，尽管我不得不进行一些调整来编译它，并且没有真正的文档。
0赞
Matthew Flaschen
4/2/2009
我已经完成了解析代码，我仍然认为它是一个优秀的库。谢谢你的提示。一件有点奇怪的事情是，它似乎没有自动扩展实体的选项（例如）。您必须手动调用 DeEntitize。幸运的是，我只需要 1 个节点。
评论