在 .Net 中阅读和编辑 HTML答案

【问题标题】：Reading and editing HTML in .Net在 .Net 中阅读和编辑 HTML
【发布时间】：2010-10-02 07:08:18
【问题描述】：

除了 System.Windows.Forms.HtmlDocument 之外，是否还有用于读取和操作 html 的 .Net 类。

如果没有，是否有任何开源库。

【问题讨论】：

这将有助于了解 System.Windows.Forms.HtmlDocument 的问题是什么
使用 System.Windows.Forms 的问题在于它并不真正适合类库或 asp.net 项目。
您还在寻找答案吗？
不，我已经选择了 HtmlAgilityPack codeplex.com/htmlagilitypack，这似乎是最好的选择。

标签： .net html dom

【解决方案1】：

似乎在 .Net 应用程序中解析 Html 的最佳选择是使用 codeplex 上的 Html Agility Pack 库。这提供了对 HTML 的完整 DOM 访问，并且使用起来非常简单。

【讨论】：

【解决方案2】：

您可以使用 MSHTML 库。但是，它是 COM/ActiveX，但如果您使用的是 Visual Studio，它会自动为您创建一个托管包装器。

【讨论】：

（非托管）MSHTML 库是否与（托管）System.Windows.Forms.HtmlDocument 相同？
我认为 HtmlDocument 是非托管 MSHTML 的托管包装器......你是说这不是这样？

【解决方案3】：

如果它符合 XHTML，我会做这样的事情：

System.Xml.XmlDocument xDoc = new System.Xml.XmlDocument();
xDoc.LoadXml(html);

并以这种方式进行编辑。如果它需要一些清理（XHtml 转换），您可以使用HtmlTidy 或Ntidy。此外，您可以使用下面的 HTMLTidy wrapper 示例：

string input = "<p>broken html<br <img src=test></div>";
HtmlTidy tidy = new HtmlTidy()
string output = tidy.CleanHtml(input, HtmlTidyOptions.ConvertToXhtml);
XmlDocument doc = new XmlDocument();
doc.LoadXml(output);

StackOverFlow Reference

上面的EDIT会被转换成XHtml

【讨论】：

我想它被否决了，因为这个问题与 XML 无关。
是的，但问题要求提供有关如何操作 HTML 的其他选项！ XHTML 只是 XML 中 HTML 的重新表述。
那么他将陷入XML 验证的陷阱以及许多其他事情中，我猜他的措辞会超出他的讨价还价。与其直接操作 HTML，不如建议他“重新制定”它？抱歉，我只是不同意，而且我认为你的 CAPS 有点粗鲁。
重新制定它？ XHtML 也是有效的 HTML....因此，通过将 HTML 转换为 XHTML，您不仅可以操作所需的数据，而且可以输出更好的数据....您可能不同意，但这是一个有效的选择。
哦，我没有投反对票。在不确切知道他的目的是什么的情况下，我会说 XHTML 是矫枉过正，更简单地说。

【解决方案4】：

您始终可以使用 LiteralControl：

PlaceHolder.Controls.Add(new LiteralControl("<div>some html</div>"));

【讨论】：