C# - 将 HTML 源解析为 XML

Question

我想读入包含 HTML 文件的动态 URL，然后像 XML 文件一样读取它，基于节点（HTML 标记）。这有可能吗？

我的意思是，有这个 HTML 代码：

            <table class="bidders" cellpadding="0" cellspacing="0"> 

            <tr class="bidRow4"> 
                <td>kucik (automata)</td> 
                <td class="right">9 374 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:52</td> 
            </tr> 

            <tr class="bidRow4"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 373 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:52</td> 
            </tr> 

            <tr class="bidRow2"> 
                <td>kucik (automata)</td> 
                <td class="right">9 372 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:42</td> 
            </tr> 

            <tr class="bidRow2"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 371 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:42</td> 
            </tr> 

            <tr class="bidRow0"> 
                <td>kucik (automata)</td> 
                <td class="right">9 370 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:32</td> 
            </tr> 

            <tr class="bidRow0"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 369 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:32</td> 
            </tr> 

            <tr class="bidRow8"> 
                <td>kucik (automata)</td> 
                <td class="right">9 368 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:22</td> 
            </tr> 

            <tr class="bidRow8"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 367 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:22</td> 
            </tr> 

            <tr class="bidRow6"> 
                <td>kucik (automata)</td> 
                <td class="right">9 366 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:12</td> 
            </tr> 

            <tr class="bidRow6"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 365 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:12</td> 
            </tr> 

        </table> 

我想将其解析为 ListView（或 Grid）以创建包含数据的行。所有 tr 都是不同的行，并且给定 td 中的所有 td 都是给定行中的列。

而且我希望它尽可能快，因为它会在 5 秒内自行更新。

有这方面的图书馆吗？

Answer 1

我推荐HTML Agility Pack。您必须自己处理 GUI 部分。它不需要有效的 HTML，但会创建一个类似于 XmlDocument 的 HtmlDocument。

Answer 2

为什么不直接进行字符串替换来将 HTML 表转换为 XML：

   <table class="bidders" cellpadding="0" cellspacing="0">

变成：

   <?xml version="1.0" encoding="UTF-8"?>

和

  <tr class="bidRow4">

变成

  <item>

和

 <td class="right">

变成

 <field1>

等

编辑 1：

我也认为 DataSet 类有一个：

.ReadXML

这样您就可以将数据绑定到该数据集的方法：

    DataSet ds = new DataSet();
    ds.ReadXml("foo.xml");
    DataGrid.DataSource = ds;
    DataGrid.DataBind();

或类似的东西

Answer 3

我通常将Fast XPath Reader 与 LinqToXML 结合使用来完成这项工作。不过它已经相当老了（2007 年）。

我不知道 HTML Agility Pack，所以我不能说它的比较（在性能和易用性方面）。

Answer 4

当然，这是可能的。但请注意——兼容的 xml 处理器应该将任何格式不正确的内容视为致命错误。这意味着它只适用于通过 xhtml strict 验证的文档。