C# -将HTML源代码解析为C#

Question

我想读入一个包含HTML文件的动态URL，并根据节点(HTML标记)像读取XML文件一样读取它。这有没有可能呢？

我的意思是，有这样一段HTML代码：

            <table class="bidders" cellpadding="0" cellspacing="0"> 

            <tr class="bidRow4"> 
                <td>kucik (automata)</td> 
                <td class="right">9 374 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:52</td> 
            </tr> 

            <tr class="bidRow4"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 373 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:52</td> 
            </tr> 

            <tr class="bidRow2"> 
                <td>kucik (automata)</td> 
                <td class="right">9 372 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:42</td> 
            </tr> 

            <tr class="bidRow2"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 371 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:42</td> 
            </tr> 

            <tr class="bidRow0"> 
                <td>kucik (automata)</td> 
                <td class="right">9 370 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:32</td> 
            </tr> 

            <tr class="bidRow0"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 369 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:32</td> 
            </tr> 

            <tr class="bidRow8"> 
                <td>kucik (automata)</td> 
                <td class="right">9 368 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:22</td> 
            </tr> 

            <tr class="bidRow8"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 367 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:22</td> 
            </tr> 

            <tr class="bidRow6"> 
                <td>kucik (automata)</td> 
                <td class="right">9 366 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:12</td> 
            </tr> 

            <tr class="bidRow6"> 
                <td>macszaf (automata)</td> 
                <td class="right">9 365 Ft</td> 
                <td class="bidders_date">2010-06-10 18:19:12</td> 
            </tr> 

        </table> 

我想把它解析成一个ListView (或网格)来创建包含数据的行。所有tr都是不同的行，并且给定td中的所有td都是给定行中的一列。

我还希望它尽可能快，因为它会在5秒内自我更新。

有没有这样的库呢？

Answer 1

我推荐HTML Agility Pack。您必须自己处理GUI部分。它不需要有效的超文本标记语言，但会创建一个类似于XmlDocument的HtmlDocument。

Answer 2

当然，这是可能的。但需要注意的是，兼容的xml处理程序应该将任何格式不正确的内容都视为致命错误。这意味着它只适用于通过xhtml严格验证的文档。

Answer 3

为什么不直接进行字符串替换，将HTML表格转换为XML：

   <table class="bidders" cellpadding="0" cellspacing="0">

变成：

   <?xml version="1.0" encoding="UTF-8"?>

和

  <tr class="bidRow4">

变成了

  <item>

和

 <td class="right">

变成了

 <field1>

等

EDIT 1:

我还认为DataSet类有一个：

.ReadXML

方法，这样您就可以将数据绑定到该数据集：

    DataSet ds = new DataSet();
    ds.ReadXml("foo.xml");
    DataGrid.DataSource = ds;
    DataGrid.DataBind();

或者类似的东西