如何从 C# 中的 HTML 字符串操作 DOM？ [关闭]答案

【问题标题】：How can I manipulate the DOM from a string of HTML in C#? [closed]如何从 C# 中的 HTML 字符串操作 DOM？ [关闭]
【发布时间】：2010-09-18 22:07:08
【问题描述】：

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：

需要WebBrowser 对象！
这不能用于多线程；我需要一些可以在不同线程（除了主线程）上工作的东西。

有什么想法吗？

【问题讨论】：

msdn.microsoft.com/en-us/library/aa290341%28v=vs.71%29.aspx

标签： c# .net html dom .net-2.0

【解决方案1】：

我在 GooglePlex 上搜索了 HTML，发现 Html Agility Pack 不知道是不是这个，我现在正在下载尝试一下。

【讨论】：

同上 - 实际上，我正要推荐使用 HTML Tidy 将文档调整为良好的形状，然后将其转换为 XmlDocument，但也许您可以使用 HTML Agility Pack 跳过它。好东西。
敏捷包可以很好地与 HTML 和线程配合使用！我得到了答案！谢谢大家！！！
是的，为 HtmlAgilityPack +1。站在巨人的肩膀上！
Html Agility Pack 是 BUGGY ！！！！！！，你不能修改 html 。最好不要修改 html 。 html 修改（insertafter、replacenode）不工作。 csQuery 看起来更有前途

【解决方案2】：

这是一个老问题。现在有：

The HTML Agility Pack（你已经找到了）
CsQuery，一个 .Net jQuery 端口，非常适合 jQuery 开发人员

【讨论】：

【解决方案3】：

JasonBunting 已经发布了这个，但它确实可以使用 .net 包装器围绕 HTML tidy 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:)

【讨论】：

【解决方案4】：

根据您要执行的操作（也许您可以提供更多详细信息？）以及根据 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

然后您可以轻松操作它，无需 WebBrowser 实例。至于线程，我对XmlDocument的实现了解不够，不知道那部分的答案。

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样的事情，真的还不错。

【讨论】：

文档可能格式不正确，这就是 XmlDocument 可能无法正常工作的原因，但我很欣赏替代方案。