如何解析 HTML 文本并将其添加到 MigraDoc 文档答案

【问题标题】：How to parse HTML text and add it to MigraDoc Document如何解析 HTML 文本并将其添加到 MigraDoc 文档
【发布时间】：2019-07-16 09:42:58
【问题描述】：

我需要获取用户正在编写的文本（在 CKEditor HTML 中），然后将该文本添加到 MigraDoc 文档中，作为段落或我需要的任何内容。

我的想法是将文本转换为 MDDDL 文档（在内存中）并将其添加到文档中。但我不知道是否有任何允许这种行为的 DLL。

所以，我的问题是，有人可以给我指点或建议我如何做到这一点吗？我应该解析 HMTL 文本吗？如果是这样，我应该解析什么？之后如何添加？

【问题讨论】：

标签： c# pdf pdfsharp migradoc

【解决方案1】：

PDFsharp 和 MigraDoc 都无法解析 HTML，所以要么自己编写代码，要么尝试寻找第三方库（可能尚不存在）。

我可能会将 HTML 直接转换为内存中的 MigraDoc 文档对象。

【讨论】：

我应该采取什么程序，如您所说，将 HTML 直接转换为内存中的 MigraDoc 文档对象？
到目前为止，这是一个需要在几周内完成的项目，所以我认为我负担不起编写复杂的解析器。如果数据源是 XML 或 XHTML，答案是否仍然相同？
为简单起见：您可以将 RTF 转换为 MigraDoc 或提出您自己的 Wiki 或 Markdown 语法。我们通过 RichEdit 控件“解析”RTF，在该控件中我们选择单个字符并查询其属性。我们还使用可以转换为 MigraDoc 的 Wiki 代码。这都是封闭源代码，我无法分享。你需要哪些属性？常规，粗体，斜体，也许是下划线。定义您支持的属性并从 HTML 或 RTF 或 Wiki 或 Markdown 中解析它们 - 这应该不会花费很长时间来实现。
好的，但是如何将 rtf 文本添加到 migradoc 中的文档中？顺便说一句，感谢您的帮助。
致电AddParagraph()，然后致电AddFormattedText。在最好的情况下，只要支持的属性发生更改，您就调用AddFormattedText。对于一个简单的实现，您可以为每个字符调用AddFormattedText，但这会增加开销。

【解决方案2】：

MigraDoc / PDFSharp 无法做到这一点。

但是，您可以使用HtmlAgilityPack nuget，然后使用它的htmlDoc.DocumentNode.Descendants() 从 html 中以平面列表形式提取文本片段，并使用node.ParentNode.Name 找出文本的标记然后将文本插入到您的 MigraDoc 文档中，使用 .AddFormattedText() 之类的内容，并对其应用自定义 MigraDoc 样式 - 即，如果父标签为“strong”，则应用 MigraDoc 样式，其中 Font.Italic = true; 等..

【讨论】：

我知道这是一个老问题，但只是不想让这个问题得不到解答。我最终根据您的建议使用了一个解决方案，我找到了this git repo，并针对我的用例进行了扩展。由于这个答案使我达到了我想要的结果，我将其标记为已接受。