.Net 中是否有与 HTML 等效的 XmlReader？答案

【问题标题】：Is there an XmlReader equivalent for HTML in .Net?.Net 中是否有与 HTML 等效的 XmlReader？
【发布时间】：2011-09-21 02:23:36
【问题描述】：

我过去曾使用HtmlAgilityPack 在 .Net 中解析 HTML，但我不喜欢它仅使用 DOM 模型这一事实。

在大型文档和/或具有大量嵌套的文档上，可能会遇到堆栈溢出或内存不足异常。此外，通常基于 DOM 的解析模型比基于流的方法使用更多的内存，这通常是因为想要使用 HTML 的进程可能一次只需要几个元素可用。

有谁知道 .Net 的一个不错的 HTML 解析器，它允许您以类似于 XmlReader 类的方式解析 HTML？即以仅转发流的方式

【问题讨论】：

除了您的问题是合法的事实之外，您是否有这样一个 Html 页面的真实示例，它会导致堆栈溢出或 Html Agility Pack 的内存不足异常？我很想看看它长什么样。
明天将尝试为您挖掘一个示例。但是以后你会考虑在库中添加一个XmlReader 样式类吗？
不要浪费太多时间，我只是好奇 :-) 我确实有一个 HtmlReader 库存，但它不是公开的。
@Simon 这会出现在库的未来版本中吗？我的 API 必须从各种其他格式中提取数据，目前 HTML 是我仍然坚持使用基于 DOM 的解析的唯一格式，因为 HtmlAgilityPack 不支持流解析 atm

【解决方案1】：

我通常为此使用 SgmlReader：https://github.com/MindTouch/SGMLReader

正如其他人所说，HTML 不遵循 XML 的格式良好的规则存在问题，因此它本质上难以解析，但 SgmlReader 通常做得很好。

【讨论】：

【解决方案2】：

问题在于 HTML 可能格式不正确。在您解析文档的大部分内容之前，您无法知道哪个标签缺少结束标签（或者哪些标签放置的顺序不正确）。

如果您要解析的文档格式正确，为什么不使用XmlReader？

【讨论】：