一款很不错的html转xml工具-Html Agility Pack 实现html转Xml
【转】一款很不错的html转xml工具-Html Agility Pack
之前发个一篇关于实现html转成xml的劣作《实现html转Xml》，受到不少网友的关心。该实现方法是借助htmlparser去分解html内容，然后按照dom的结构逐个生成xml字符串。在没有充分实践后，还以为该方案能解决问题。然而经过实际使用，效率确实很低，而且对一些特殊html属性的转换也不支持，得到的结果差强人意。
偶然一次机会在浏览codeplex网站时，发现一款很不错的html解析以及转换工具，就是本篇标题所提到的Html Agility Pack。Html Agility Pack是codeplex里的一款开源框架，其主要功能是利用对象模型去操作html内容，能够把xpath等xml方面的技术简单、灵活地应用在html文档解析中。正如其介绍所说的那样，该框架非常适合用于开发爬虫，网络数据挖掘工具。更重要的是该框架完全由c#语言编写，便于对框架的修改和深入的研究。
下面来看看如何将html转换成xml格式
首先创建一个HtmlDocument对象(该HtmlDocument是Html Agility Pack中的类，并不是winform里的那个)，所有的对html的操作都通过这个对象实现。
HtmlDocument htmlDoc = new HtmlDocument();
接着设置输出成xml的一些选项
//输出成xml格式
htmlDoc.OptionOutputAsXml = true;
htmlDoc.OptionOutputAsXml = true;
加载html字符串内容，同时输出转换结果
// 加载html内容
htmlDoc.LoadHtml(@"<html><body>
<table>
<tr>
<td>dafd</td>
<td>
</tr>
</table>
</body></html>");
// 将输出结果保存到字符串流中
StringBuilder sbXml = new StringBuilder();
StringWriter sw = new StringWriter(sbXml);
htmlDoc.Save(sw);
Console.WriteLine(sbXml.ToString());
htmlDoc.LoadHtml(@"<html><body>
<table>
<tr>
<td>dafd</td>
<td>
</tr>
</table>
</body></html>");
// 将输出结果保存到字符串流中
StringBuilder sbXml = new StringBuilder();
StringWriter sw = new StringWriter(sbXml);
htmlDoc.Save(sw);
Console.WriteLine(sbXml.ToString());
提供的html内容并不是良好格式的xml，转换之后的结果:
<?xml version="1.0" encoding="gb2312"?>
<html>
<body>
<table>
<tr>
<td>dafd</td>
<td></td>
</tr>
</table>
</body>
</html>
<html>
<body>
<table>
<tr>
<td>dafd</td>
<td></td>
</tr>
</table>
</body>
</html>