C#中将html转换为xml的实现

Posted 2023-03-09

不是用软件去转换，要自己设计算法来实现。
需要详细的算法描述，最好有源码。

我给你些我的建议吧

html的语法格式比XML宽松多了，真正XML格式的网页是XHTML，也就是下一代HTML，他的格式和XML差不多，很严谨的。

如果你不想利用某些HTML和XML互转工具，自己编的话，有一定难度。

1.HTML的节点可以没末节点，你需要不停扫描<,>,/,这三个符号以检查是否漏掉末节点，并补充。
2.HTML节点还可以不规则嵌套，你需要对已读入节点进行顺序存储，或用栈的数据结构来存储，并验证其层次正确性，最终正确顺序的节点，期间还得缓存节点值，或属性值。
3.HTML不同于XML，许多HTML节点有特殊的意义，许多HTML节点比如<b>,<hr/>都需要经过特殊处理才行。

在技术上，为保证性能，还要在一下方面有加强。
1.强大的字符串扫描，和解析器，此工作也巨大，但网上源码很多，建议到google英文里搜索，HTML parser，XML parser（解析器），有很多c#，java，c++的源代码可以利用，没有强大的解析器，跟本无法读懂文件。
2.System.Xml空间的详细运用，除了简单的XMLWriter，还必须学会XMLDocument，XmlNode，能够动态操控XML。还有Xpath技术，操作XMl很有效率。
3.适当还会运用到正则表达式，来处理字符串匹配问题，尤其是节点的操作，即使是再好的字符串查找算法，有时也不如正则表达式，因此system.Text 中的Regex类要掌握好。
4.会控制WinForm中的WebBrower控件
当然，即使你不打算自己做，或已找到了源代码，要想读懂，也必须要以上的知识。

至于工具，网上有，源码还哪找，有java的，但下载不下来。
这是著名的W3C（Html，xml等技术的创始组织）的转换工具，里面也有一些介绍，相信会有用的。
http://www.w3.org/People/Raggett/tidy/

有一个用C#编的转换器，但付费后才可看到源代码
http://www.chilkatsoft.com/downloads.asp
http://www.example-code.com/csharp/html2xml.asp

还有一些软件，stylus的产品不错！
http://www.stylusstudio.com/html_to_xml_importer.html 参考技术A 其实html中table本身就是xml格式的，只是现在需要把表格的标签生成到一个纯xml文件。
具体实现方法如下：
1、后台办法：
string xml = "<?xml version=\"1.0\" encoding=\"utf-8\" ?>" + tablename.InnerHtml;

2、前台取法：
前台直接使用Jquery更方便
var xml = "<?xml version=\"1.0\" encoding=\"utf-8\" ?>" +$("tablename").html();
表格代码如下
[code=html] <table id="tablename" runat="server" >
<tr>
<td></td>
</tr>
</table>[/code]

后台需要加上这两个 id="tablename" runat="server" 参考技术B 服务端代码使用dom模式打开html，然后根据dom的层来生成xml