如何解析HTML-as-string以使用C＃获取其元素属性？

Question

让我们假设我得到一个HTML表作为字符串，我想 - 使用C＃ - 将其解析为其元素（td，div - 如果有的话等）并获取它们的每个属性，例如'style' ，'上课'......

我的目标是最终获得一个HTML表格并从中构建一个自己的表格对象，保留表格的大部分（如果不是全部）属性。 现在，我能想到这样做的唯一方法，在我看来就像编码噩梦：将字符串解剖到每个'tr'和'td'并开始挖掘，寻找每个元素的属性并尝试将其解析为我可以使用的东西 - 还有其他方法吗？

示例：

string someString = "<div><table cellpadding="0" cellspacing="0"><tr><td style="border-bottom:1px solid transparent;width:1px;font-size:1px;height:1px;line-height:1px;"><div class="someClass">..."

将成为（在我的假设对象中）：

MyTable table = new MyTable
{
   CellPadding = "0",
   ...
}

MyTableRow row = new MyTableRow 
{
   Cell[0].Style.BorderBottom = "1px solid transparent",
   Cell[0].Style.Width = "1px",
   ...
}

你明白了这一点：）

Answer 1

有一个名为HtmlAgilityPack的库来解析HTML文档，并允许您使用C＃代码访问DOM。

Answer 2

我还建议您查看SGMLReader，它是XMLReader的替代品，但处理格式错误的HTML。