将Html文档整理为规范XML文档

有多种方式可以在.NET 平台进行HTML文件解析、数据提取，其中最简单、稳妥的办法是先使用工具将Html文档整理成XML文档，再通过XML Dom模型或XPath灵活地进行数据处理。SGML便是一个Html文档整理工具类库：

Microsoft的XML大师Chris Lovett专门开发了一个SGML解析器，叫做SgmlReader，它可以解析HTML文件，甚至将它们转换成一个格式规范的结构。 SgmlReader派生于XmlReader，这就是说，你可以像运用诸如XmlTextReader这样的类来解析XML文件那样来解析HTML文件。

这是一段示例代码：

public static XmlDocument ConvertHtmlToXml(string html)

using (SgmlReader sgmlReader = new SgmlReader()) {

sgmlReader.DocType = "HTML";

sgmlReader.InputStream = new StringReader(html);

using (StringWriter stringWriter = new StringWriter()){

using (XmlTextWriter xmlWriter = new XmlTextWriter(stringWriter))

{

while (!sgmlReader.EOF) {

xmlWriter.WriteNode(sgmlReader, true);

}

XmlDocument xmlDoc = new XmlDocument();

xmlDoc.LoadXml(stringWriter.ToString());

return xmlDoc;

主页：http://code.msdn.microsoft.com/SgmlReader

语言：英文授权形式：开源

将Html文档整理为规范XML文档相关推荐

使用xsl将xml转化为HTML文档,基于XSL将XML文档转换为HTML格式文档的方法与流程
技术特征: 1.一种基于XSL将XML文档转换为HTML格式文档的方法,其特征在于,包括: S1,新建一个与XML文档同名的HTML格式文档: S2,定义转换算法,实现XML文档到HTML格式文档的转 ...
XML文档类型定义DTD
DTD概述 DTD用来定义XML文档的结构,它包含一系列规则说明,以确保XML文档的一致性和有效性 DTD定义了XML文档可用的词汇(元素和属性的名称)和结构: 元素名称,包括根元素元素的属性及属性 ...
xml与oracle对比,Oracle XML DB和DB2 pure XML在XML文档存储查询性能方面的比较分析
0引言随着互联网和信息化技术的快速发展,医院在逐步完成医院信息数字化建设过程中,它的核心技术之一就是电子病历的数字化管理和应用.电子病历包括病人就诊或治疗的全部临床信息,这些信息一般由数字.文字.图形 ...
利用VC++与MSXML解析XML文档
一.文档对象模型(DOM) DOM是Document Object Model(文档对象模型)的简称,是对XML文档进行应用开发.编程的应用程序接口(API).作为W3C公布的一种跨平台.与语言无关的 ...
xml文档声明及基本语法
---------------------------------------xml文档声明及基本语法------------------------------------------- XML文档 ...
xml文档的头部说明
近来学习xml文档, 对于头部的用法不是特别理解整理一下思路, 如果有错误欢迎指出 XML 文档必须有根元素 XML 文档必须有一个元素是所有其他元素的父元素.该元素称为根元素. 使用默认命名空间 ...
VC++ MSXML创建XML文件以及对XML文档解析
VC++ MSXML创建XML文件以及对XML文档解析转自http://www.newxing.com/Tech/Program/Cpp/703.html // XmlCreationDemo.cp ...
Google Maps API 进级：通过XML文档加载Gpolyline或者Gpolygon
转自:http://hi.baidu.com/xfm_zhr/blog/item/20e2e6f99c723e5e242df229.html 1. 通过XML文档加载Gpolyline或者 ...
python批量生成,用python批量生成简单的xml文档
最近生成训练数据时,给一批无效的背景图片生成对应的xml文档,我用python写了一个简单的批量生成xml文档的demo,遇见了意外的小问题,记录一下. 报错问题为:ImportError: No m ...

将Html文档整理为规范XML文档

将Html文档整理为规范XML文档相关推荐

最新文章

热门文章