操縱HTML文件

Question

我正在研究一個類似瀏覽器的應用程序，它從站點（任何網站）獲取HTML，然後在其上應用樣式腳本來更改某些元素（就像greasemonkey一樣）。

我最初的計劃是使用XPath和XmlDocument解析HTML，但有沒有更好的方法？

在此先感謝！

PS>方便的技巧，技巧&對HTML + C＃鏈接將是巨大的〜^^

Answer 1

使用HTML Aglility包。你可以在這裏找到它：http://www.codeplex.com/htmlagilitypack

Answer 2

HTML並不總是遵循XML規則，例如有HTML標籤，可能沒有結束標記，所以XPath和XDocument有時會拋出錯誤。 IE API讓你能夠做到這一點（見here），你也可以找到第三方解析器（請參閱this或this）

Answer 3

我會高度推薦使用XSLT。這使您可以將所有轉換數據保留在代碼之外，因此，如果要修改要轉換的HTML，或者想要更改佈局，可以很容易地更改它。

非常少，如果使用HTML而不使用XHTML，請注意可能的錯誤。不用說，使用Tidy庫可以幫助你克服這個問題。

Answer 4

我真的會推薦使用你的編程語言的選擇，處理所有的HTML解析的怪異包。我之前在Ruby中使用過Hpricot，這讓事情變得輕而易舉。

Answer 5

如果您希望能夠根據其內容瀏覽HTML，那麼XPath是一個不錯的選擇。但是你必須先清理HTML。您可以使用HTML tidy將HTML轉換爲XHTML。在這個過程中，你可以修改頁面的渲染方式。但它似乎是你的項目的目的，所以這不是什麼大不了的事情。