解析HTML和SGML文件的建议

Question

我有一个项目可以接受输入，例如（html，sgml，xml和txt）。

我解析XML文件和txt文件没问题，你能不能建议一些我可以用来解析html或sgml文件的工具。

Answer 1

对于 HTMl Parser ，请使用HTML Agilty Pack - 它是.NET的开源HTML解析器。

  

什么是Html Agility Pack（HAP）？

     

这是一个灵活的HTML解析器，可构建读/写DOM并支持   普通的XPATH或XSLT（你实际上并不需要理解XPATH或者   使用XSLT，不用担心......）。它是一个允许的.NET代码库   你解析“out of the web”HTML文件。解析器非常宽容   与“真实世界”格式错误的HTML。对象模型非常相似   什么提出System.Xml，但对于HTML文档（或流）。

您可以使用它来查询HTML并提取您想要的任何数据。

SGML Parser

查看此链接，SGMLReader - 将任何HTML转换为有效的XML：

http://developer.mindtouch.com/Community/SgmlReader

参考：SGML parser .NET recommendations

Answer 2

对于解析HTML我不能推荐除http://htmlagilitypack.codeplex.com/以外的任何其他内容，因为SGML基本相同，但是对于其他元素你也可以使用它。