解析aspx文件中的控件并将其转换为xml

Question

我需要解析aspx文件（从磁盘，而不是在浏览器上呈现的文件），并列出页面上存在的所有服务器端asp.net控件，然后从中创建一个xml文件。 这将是最好的方式吗？ 此外，有没有可用的库？

例如，如果我的aspx文件包含

<asp:label ID="lbl1" runat="server" Text="Hi"></asp:label>

我的xml文件是

<controls>
<ID>lbl1</ID>
<runat>server</runat>
<Text>Hi</Text>
</controls>

Answer 1

Xml解析器不理解ASP指令：<％@ <％=等。

您可能最好使用正则表达式来完成此操作，可能分为3个阶段。

1. 匹配整个页面中的任何标记元素。
2. 对于每个标记，匹配标记和控件类型。
3. 对于匹配（2）的每个标记，匹配任何属性。

所以，从顶部开始，我们可以使用以下正则表达式：

(?<tag><[^%/](?:.*?)>)

这将匹配任何没有<％和</并且懒惰的标签（我们不想要贪婪的表达式，因为我们不会正确读取内容）。 以下内容可以匹配：

<asp:Content ID="ph_PageContent" ContentPlaceHolderID="ph_MainContent" runat="server">
<asp:Image runat="server" />
<img src="/test.png" />

对于每个捕获的标记，我们希望然后提取标记并键入：

<(?<tag>[a-z][a-z1-9]*):(?<type>[a-z][a-z1-9]*)

创建命名捕获组使这更容易，这将允许我们轻松提取标记和类型。 这只会匹配服务器标签，因此此时将删除标准html标签。

<asp:Content ID="ph_PageContent" ContentPlaceHolderID="ph_MainContent" runat="server">

将产量：

{ tag = "asp", type = "Content" }

使用相同的标记，我们可以匹配任何属性：

(?<name>\S+)=["']?(?<value>(?:.(?!["']?\s+(?:\S+)=|[>"']))+.)["']?

产量：

{ name = "ID", value = "ph_PageContent" },
{ name = "ContentPlaceHolderID", value = "ph_MainContent" },
{ name = "runat", value = "server" }

所以把它们放在一起，我们可以创建一个可以为我们创建XmlDocument的快速函数：

public XmlDocument CreateDocumentFromMarkup(string content)
{
  if (string.IsNullOrEmpty(content))
    throw new ArgumentException("'content' must have a value.", "content");

  RegexOptions options = RegexOptions.CultureInvariant | RegexOptions.Compiled | RegexOptions.IgnoreCase;
  Regex tagExpr = new Regex("(?<tag><[^%/](?:.*?)>)", options);
  Regex serverTagExpr = new Regex("<(?<tag>[a-z][a-z1-9]*):(?<type>[a-z][a-z1-9]*)", options);
  Regex attributeExpr = new Regex("(?<name>\\S+)=[\"']?(?<value>(?:.(?![\"']?\\s+(?:\\S+)=|[>\"']))+.)[\"']?", options);

  XmlDocument document = new XmlDocument();
  XmlElement root = document.CreateElement("controls");

  Func<XmlDocument, string, string, XmlElement> creator = (document, name, value) => {
    XmlElement element = document.CreateElement(name);
    element.InnerText = value;

    return element;
  };

  foreach (Match tagMatch in tagExpr.Matches(content)) {
    Match serverTagMatch = serverTagExpr.Match(tagMatch.Value);

    if (serverTagMatch.Success) {
      XmlElement controlElement = document.CreateElement("control");

      controlElement.AppendChild(
        creator(document, "tag", serverTagMatch.Groups["tag"].Value));
      controlElement.AppendChild(
        creator(document, "type", serverTagMatch.Groups["type"].Value));


      XmlElement attributeElement = document.CreateElement("attributes");

      foreach (Match attributeMatch in attributeExpr.Matches(tagMatch.Value)) {
        if (attributeMatch.Success) {
          attributeElement.AppendChild(
            creator(document, attributeMatch.Groups["name"].Value, attributeMatch.Groups["value"].Value));
        }
      }

      controlElement.AppendChild(attributeElement);
      root.AppendChild(controlElement);
    }
  }  

  return document;
}

生成的文档可能如下所示：

<controls>
  <control>
    <tag>asp</tag>
    <type>Content</type>
    <attributes>
      <ID>ph_PageContent</ID>
      <ContentPlaceHolderID>ph_MainContent</ContentPlaceHolderID>
      <runat>server</runat>
    </attributes>
  </control>
</controls>

希望有所帮助！

Answer 2

我在上面的代码中使用了以下三个正则表达式，它也给了我html标签。 此外，我也可以获得开始和结束标签之间的值。

Regex tagExpr = new Regex("(?<tag><[^%/](?:.*?)>[^/<]*)", options);
Regex serverTagExpr = new Regex("<(?<type>[a-z][a-z1-9:]*)[^>/]*(?:/>|[>/])(?<value>[^</]*)", options);
Regex attributeExpr = new Regex("(?<name>\\S+)=[\"']?(?<value>(?:.(?![\"']?\\s+(?:\\S+)=|[>\"']))+.)[\"']?", options);

Answer 3

 Func<XmlDocument, string, string, XmlElement> creator = (document, name, value) => {
XmlElement element = document.CreateElement(name);
element.InnerText = value;

上面的通用模板将工作在version 3.5及更高version 3.5 ..所以如果任何一个使用下面的版本，创建函数如：

public XmlElement creator(XmlDocument document, string name, string value)
{
    XmlElement element = document.CreateElement(name);
    element.InnerText = value;

    return element;
}

这会奏效

Answer 4

如果标记的代码是在多行中写入的，那么我们在提取标记数据时可能会遇到问题。 避免我从我们传递给上述函数的源字符串中删除了下面的换行符（内容）

string contentRemovedNewLines = Regex.Replace(content, @"\t|\n|\r", "");

那么我们可以使用contentRemovedNewLines而不是content。

上面的代码按我的意愿工作。 还可以添加一件事。 你可以调用上面的方法，如下所示，然后保存为xml文件，这样我们就可以检查预期的结果是否存在。

XmlDocument xmlDocWithWebContent = CreateDocumentFromMarkup(sourceToRead);

string xmlfileLocation = Path.GetDirectoryName(Assembly.GetExecutingAssembly().Location) + "tempXmlOutputFileOfWebSource.xml";

xmlDocWithWebContent.Save(xmlfileLocation);

要做到这一点，我们必须有一个xml文件的根元素

            XmlDocument document = new XmlDocument();
            XmlNode xmlNode = document.CreateNode(XmlNodeType.XmlDeclaration, "", "");
            XmlElement root = document.CreateElement("controls");
            document.AppendChild(root);

我使用了上面的修复程序

Answer 5

ASPX文件应该是有效的XML，因此XSLT可能是一个很好的解决方案。 W3学校网站有很好的介绍和参考。 然后，您可以从一个简单的程序调用此XSLT来选择所需的文件。

或者，您可以使用Linq to XML加载ASPX文件并以Linq样式迭代控件。