c# - 如何从 C# 中的 HTML 字符串操作 DOM？

Question

目前，我发现能够从包含 HTML 的字符串中操作 DOM 的最佳方法是：

WebBrowser webControl = new WebBrowser();
webControl.DocumentText = html;
HtmlDocument doc = webControl.Document;

有两个问题：

1. 需要WebBrowser对象！
2. 这不能与多线程一起使用；我需要一些可以在不同线程（除了主线程）上工作的东西。

有任何想法吗？

Answer 1

我在 GooglePlex 上搜索了 HTML，发现了Html Agility Pack，我不知道它是否适合，我现在正在下载它尝试一下。

Answer 2

根据您要执行的操作（也许您可以向我们提供更多详细信息？）并根据 HTML 是否格式正确，您可以将其转换为XmlDocument：

System.Xml.XmlDocument x = new System.Xml.XmlDocument();
x.LoadXml(html); // as long as html is well-formed, i.e. XHTML

然后你可以很容易地操纵它，而不需要WebBrowser实例。至于线程，我对实现的了解还不够，无法知道XmlDocument那部分的答案。

---

如果文档的格式不正确，您可以使用NTidy（HTML Tidy的 .NET 包装器）先使其成型；我不得不为一个项目做一次这件事，而且真的还不错。

Answer 3

JasonBunting 已经发布了这个，但它确实可以在 HTML tidy 周围使用 .net 包装器并将其加载到 XmlDocument 中。

我以前使用过这个 .net 包装器：

http://www.codeproject.com/KB/cs/ZetaHtmlTidy.aspx

并实现它有点像这样：

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

抱歉，如果考虑转发:)

Answer 4

这是一个老问题。现在有：

• HTML 敏捷包（你已经找到了这个）
• CsQuery，一个 .Net jQuery 端口，非常适合 jQuery 开发人员