SgmlReader使用小记

在做一个定期检测Html页面中固定链接的小工具，需要把Html转换成规范的XML，然后用XPath进行访问

这里就需要用到SgmlReader这个类库

 

SgmlReader可以用来解析HTML/SGML，并能把不规范的Html转换成规范的XHtml

string SgmlTranslate(string input)

{

   var reader = new SgmlReader();

   reader.DocType = "HTML";

   reader.WhitespaceHandling = WhitespaceHandling.None;

   reader.CaseFolding = Sgml.CaseFolding.ToLower;

   reader.InputStream = new StringReader(input);

 

   var output = new StringWriter();

   var writer = new XmlTextWriter(output);

   writer.Formatting = Formatting.Indented;

   while (reader.Read())

   {

        if (reader.NodeType != XmlNodeType.Whitespace

           && reader.NodeType != XmlNodeType.Comment)

           writer.WriteNode(reader, true);

   }

    writer.Close();

   return output.ToString();

}

仿照官方给出的示例代码写的，

另外，更改了这一句，可使得生成的XML有缩进

reader.WhitespaceHandling = WhitespaceHandling.None

最后，记得一定要把Comment类型的NodeType排除了···
昨儿险些被一个注释害死

 

官方文档地址：http://developer.mindtouch.com/en/docs/SgmlReader