Sabiendo que no puedo usar HTMLAgilityPack, solamente .NET recta, decir que tengo una cadena que contiene algo de HTML que necesito para analizar y editar en tales formas:¿.NET Framework ofrece métodos para analizar una cadena HTML?
¿hay métodos disponibles en .NET para hacerlo?
Puede crear un documento HTML ficticia.
WebBrowser w = new WebBrowser();
w.Navigate(String.Empty);
HtmlDocument doc = w.Document;
doc.Write("<html><head></head><body><img id=\"myImage\" src=\"c:\"/><a id=\"myLink\" href=\"myUrl\"/></body></html>");
Console.WriteLine(doc.Body.Children.Count);
Console.WriteLine(doc.GetElementById("myImage").GetAttribute("src"));
Console.WriteLine(doc.GetElementById("myLink").GetAttribute("href"));
Console.ReadKey();
Salida:
file: /// C:
sobre: myURL
Edición de elementos:
HtmlElement imageElement = doc.GetElementById("myImage");
string newSource = "d:";
imageElement.OuterHtml = imageElement.OuterHtml.Replace(
"src=\"c:\"",
"src=\"" + newSource + "\"");
Console.WriteLine(doc.GetElementById("myImage").GetAttribute("src"));
Salida:
file: /// D:
Esto requiere que cargues el documento en un control de Winforms. – porges
Corrígeme si me equivoco, pero esto requiere un control webBrowser y no permite el análisis directo de cadenas HTML. –
@JellyAma, sí, pero ¿no es lo que parece que quieres en "modificar (e idealmente crear) atributos de esos elementos encontrados"? –
Suponiendo que usted está tratando con HTML bien formado, simplemente podría tratar el texto como un documento XML. El marco está cargado de funciones para hacer exactamente lo que estás pidiendo.
http://msdn.microsoft.com/en-us/library/system.xml.xmldocument.aspx
Intenta analizar esto * html * bien formado. '
line1' **Pardon ... XHTML – Doug
Puedes ver cómo funciona HTML agilidad paquete, sin embargo, es .Net. Puede reflejar el ensamblaje y ver que está utilizando el MFC y podría reproducirse si lo desea, pero no haría nada más que mover el ensamblaje, no hacerlo más .Net.
Aparte de la agilidad del paquete de HTML y portar HtmlUnit a C#, lo que suena como soluciones sólidas son:
Una cosa que sí sé es que analizar HTML como XML puede hacer que se encuentre con algunos problemas. XML y HTML no son lo mismo. Leer al respecto: here
Además, aquí es un post sobre Linq vs Regex.
http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454 http://stackoverflow.com/questions/1732348/regex-match- open-tags-except-xhtml-self-contained-tags/1758162 # 1758162 –
lo sé ... [el uso de expresiones regulares] (http://stackoverflow.com/a/1732454/119477) –
no sé ... no use regex http: // stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1758162 # 1758162 –
Si su HTML resulta ser XHTML, entonces podría usar las bibliotecas XML estándar para analizar, atravesar y modificándolo. – Douglas