如何在将大HTML转换为Word 2007时处理内存不足异常

Question

我有一个.NET Windows服务，它接受HTML内容并从中生成Word 2007文件。现在，在将内容转换为Word 2007文档之前，通过递归函数清除HTML内容（删除空标记等）。但是，由于递归函数，有一些大的HTML内容会产生“内存不足”异常。我在方法上放置了一个重试计数器，这样函数的调用次数不会超过计数器次数。但是，这导致许多HTML文件无法转换或转换为错误的Word 2007内容。

如果我尝试将HTML源代码分开处理，可能会因为每个HTML结构不同而复杂化，分割内容可能会导致更改清理代码。

需要一些有关如何处理此问题的建议。

非常感谢任何帮助。

Answer 1

不要使用递归。试试HTML Agility Pack。

这是一个通常推荐的HTML解析器。它将采用格式错误的HTML并按摩它为XHTML，然后是可遍历的DOM，如XML类。

Answer 2

您可以尝试使用try ... catch语句将最外层调用包装到递归函数以捕获OutOfMemoryException。这至少会让你继续下一个文件。