如何解析带有粗体，斜体，下划线的子字符串中的html标签的字符串答案

【问题标题】：how to parse a string with html tags in its substrings which are bold, italic, underlined如何解析带有粗体，斜体，下划线的子字符串中的html标签的字符串
【发布时间】：2011-05-06 16:01:05
【问题描述】：

我用 c# 为 2D 图形框架创建了某种文本渲染工具。

现在我试图解析带有特定 html 标签的文本，例如：

"Hello <b>world</b>!"

但是解析代码越来越难看，我想，一定有一些库可以做到这一点。最后它应该输出一个数据结构数组，如：

string text;
bool IsBold;
bool IsItalic;
bool IsUnderlined;
...

或

string text;
FontStyle FontStyle;

有人知道这样的解析器吗？

非常感谢！

【问题讨论】：

你的代码应该如何响应"hello"等输入？
那么只有 'hel' 是粗体。它将输出一个包含 2 个数据结构的数组。'hel' 与 IsBold = true，'lo' 与 IsBold = false。
那么，下面的输入呢？ "hi there, you"。显然，一旦允许嵌套标记，数组就不够用了。
这正是我的问题.. 在这种情况下，它应该在数组中输出以下条目：“hi”，IsBold = true 和 IsItalic = true，然后“there”，IsBold = true 和 IsItalic = false，然后是 ", you" 与 IsBold = false 和 IsItalic = false.. 这有意义吗？

标签： c# html parsing

【解决方案1】：

我不知道这将如何工作，但这里有一些 HTML 解析器：
html_parse
htmlagilitypack

【讨论】：

【解决方案2】：

Tidy.net 是一个很棒的工具，它是原始 Tidy 项目的一个端口，用于 HTML Tidy firefox 插件。通过 Tidy 运行您的代码，它将返回干净、合规的 html。

【讨论】：

【解决方案3】：

HTML Agility Pack 是一个很好的 HTML 解析器（也可以解析片段）。

您可以使用 XPath 语法（类似于 XmlDocument）查询它 - 不确定它是否适合您的要求。

【讨论】：

这引导我进入 System.Xml.XPath 命名空间。现在我可以用“/parenttag/b”选择标签中的一些文本，但是当有像text这样的嵌套标签更多文本时，我将如何获取我的单个文本切片 ...?
@thalm - 这将涉及在 XPath 中选择 ::text() 节点。
不确定如何解决嵌套标签问题..？