如何在C＃中使用HTML字符串操作DOM？

Question

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：

1. 需要WebBrowser个对象！
2. 这不能用于多个线程;我需要能在不同线程上工作的东西（主线程除外）。

有什么想法吗？

Answer 1

我搜索了GooglePlex for HTML，我发现Html Agility Pack我不知道是不是这样，我现在正在下载试试。

Answer 2

取决于您要做的事情（也许您可以提供更多详细信息？）并且取决于HTML是否格式正确，您可以将其转换为{{1 }}：

XmlDocument

然后，您可以轻松地操作它，而不需要System.Xml.XmlDocument x = new System.Xml.XmlDocument(); x.LoadXml(html); // as long as html is well-formed, i.e. XHTML 实例。至于线程，我对WebBrowser的实现知之甚少，不知道该部分的答案。

---

如果文档格式不正确，您可以使用NTidy（HTML Tidy的.NET包装器）将其初始化为形状;我不得不为一个项目做过一次，这真的不是太糟糕。

Answer 3

JasonBunting已经发布了这个，但它确实可以在HTML整理中使用.net包装并将其加载到XmlDocument中。

我之前使用过这个.net包装器：

http://www.codeproject.com/KB/cs/ZetaHtmlTidy.aspx

并且有点像这样实现：

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);

很抱歉，如果考虑重新发布：）

Answer 4

这是一个老问题。现在有：

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