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
相关网址：
http://msdn.microsoft.com/en-us/library/aa302299.aspx
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
