Question

我需要从第三方获取大量原始HTML代码，这些代码可能包含任意数量的标记/属性以及可能有脏或有害的代码，然后将其剥离并将其转换为干净，安全的Markdown代码。

'Markdownifier'，如果你愿意，就像heckyesmarkdown.com那样，但是来自我的服务器端.Net（C＃）应用程序，而不是客户端。我很乐意使用第三方库（免费或付费）来执行此操作，但出于性能，安全性和可靠性原因，不使用第三方托管的REST API或类似文件。

有很多可用于.Net的库，它允许你将Markdown转换为HTML，但是我需要反过来，似乎找不到已经解决了这个问题的.Net工具（除非我是有点昏暗，看错了地方！）。

Answer 1

我在GitHub上找到了这个库：

https://github.com/baynezy/Html2Markdown

看起来很有希望解决你的问题！我自己还没试过。

您需要构建项目并在代码中包含dll，因为我找不到NuGet包。

用法如下（html变量是一个字符串）：

 var markdown = new Converter().Convert(html);

Answer 2

您可以尝试Pandoc（http://pandoc.org/）。对于Windows，它是一个命令行工具，但它工作得很好。这是我之前接口的方式......

private const string processName = @"c:\program files (x86)\pandoc\pandoc.exe";
private const string args = @"-t markdown -r html5 -o ""{0}"" ""{1}""";

public void Convert(Stream inputStream, Stream outputStream)
{
    var process = new Process();

    var inputFilename = Path.GetTempFileName();
    var outputFilename = Path.GetTempFileName();

    using (var fileStream = File.Create(inputFilename))
    {
        inputStream.CopyTo(fileStream);
    }

    ProcessStartInfo psi = new ProcessStartInfo(processName, string.Format(args, outputFilename, inputFilename))
    {
        RedirectStandardOutput = true,
        RedirectStandardInput = true,
        UseShellExecute = false
    };

    process.StartInfo = psi;
    process.Start();
    process.WaitForExit();

    var bytes = File.ReadAllBytes(outputFilename);
    outputStream.Write(bytes, 0, bytes.Length);
}

修改

应该注意的是，之前我还没有用它来转换markdown，但我已经用它来转换HTML格式的其他格式，并且它做了相当合理的工作而且它不仅仅是爆炸，如果它不能像别人那样做。我使用的论据来自http://pandoc.org/README.html，尤其是：

pandoc -f html -t markdown http://www.fsf.org

如何使用.Net（C＃）将原始HTML转换为Markdown，服务器端？

2 个答案: