如何在C＃中序列化HTML？

Question

如何在C＃中序列化HTML？

我想我知道如何使用XSD.exe从XML创建C＃类，该类可以与XmlSerializer类一起使用以序列化和验证XML文档。

有没有办法用HTML文档做同样的事情？ 我已经尝试过，但是xsd命令行说无法解析远程名称www.w3.org。

至少，有没有一种方法可以使用C＃来确定HTML文件是否有效？

Answer 1

HTMLAgilityPack是一个开源库，可以为您轻松解析HTML。 然后，您可以非常轻松地搜索/操作文档的结构。

您提供的HTML非常宽容，因此我不确定这是否是检查您是否拥有严格的xHTML有效文档的好方法。 但是它应该能够解析现代浏览器可以执行的任何操作。

Answer 2

如果您要验证的是XHTML，则可以这样操作：

static void validate(string filename)
{
    XmlReaderSettings settings = new XmlReaderSettings();
    settings.ProhibitDtd = false;
    settings.ValidationType = ValidationType.DTD;
    settings.ValidationEventHandler +=
        new ValidationEventHandler(ValidationCallBack);
    settings.XmlResolver = new XhtmlUrlResolver();

    // Create the XmlReader object.
    XmlReader reader = XmlReader.Create(filename, settings);

    // Parse the file. 
    while (reader.Read()) ;
}

// Display any validation errors.
private static void ValidationCallBack(object sender, ValidationEventArgs e)
{
    Console.WriteLine("Validation Error: {0}", e.Message);
}

这会有点慢，因为它是从W3C网站下载架构文件的。

Answer 3

要反序列化/解析HTML，我还建议使用HTMLAgilityPack。 但是，要验证HTML，您可以尝试运行HTML Tidy 。 但是，对于XHTML，您可以获得XSD。