这是一个能帮你从HTML生成有效XHTML的经典库。它还提供对标签以及属性过滤的支持。你可以指定允许哪些标签和属性可在出现在输出中，而其他的标签过滤掉。你也可以使用这个库清理Microsoft Word文档转化成HTML时生成的臃肿的HTML。你也在将HTML发布到博客网站前清理一下，否则像WordPRess、b2evolution等博客引擎会拒绝的。
里面有两个类：HtmlReader和HtmlWriter
HtmlReader拓展了著名的由Chris Clovett开发的SgmlReader。当它读取HTML时，它跳过所有有前缀的节点。其中，所有像<o:p>、<o:Document>、<st1:personname>等上百的无用标签被滤除了。这样你读取的HTML就剩下核心的HTML标签了。
HtmlWriter拓展了常规的xmlWriter，XmlWriter生成XML。XHTML本质上是XML格式的HTML。所有你熟悉使用的标签——比如<img>、<br>和<hr>，都不是闭合的标签——在XHTML中必需是空元素形式，像<img .. />、<br/>和<hr/>。由于XHTML是常见的XML格式，你可以方便的使用XML解析器读取XHTML文档。这使得有了应用XPath搜索的机会。
HtmlReader很简单，下面是完整的类：
| 12345678910111213141516171819202122232425262728293031323334 | //////Thisclassskipsallnodeswhichhassome///kindofprefix.Thistrickdoesthejob///tocleanupMSWord/OutlookHTMLmarkups.///publicclassHtmlReader:Sgml.SgmlReader{publicHtmlReader(TextReaderreader):base(){base.InputStream=reader;base.DocType="HTML";}publicHtmlReader(stringcontent):base(){base.InputStream=newStringReader(content);base.DocType="HTML";}publicoverrideboolRead(){boolstatus=base.Read();if(status){if(base.NodeType==XmlNodeType.Element){//Gotanodewithprefix.Thismustbeone//ofthose""orsomethingelse.//Skipthisnodeentirely.Wewantprefix//lessnodessothattheresultantXML//requiresnotnamespace.if(base.Name.IndexOf(':')>0)base.Skip();}}returnstatus;}} |
这个类是有点麻烦。下面是使用技巧：
重写WriteString方法并避免使用常规的XML编码。对HTML文件手动更改编码。
重写WriteStartElementis以避免不被允许的标签写到输出中。
重写WriteAttributesis以避免不需求的属性。
让我们分部分来看下整个类：
你可以通过修改下面的部分配置HtmlWriter：
| 12345678910111213141516171819202122232425262728 | publicclassHtmlWriter:XmlTextWriter{//////Ifsettotrue,itwillfiltertheoutput///byusingtagandattributefiltering,///spacereduceetc///publicboolFilterOutput=false;//////Iftrue,itwillreduceconsecutivewithoneinstance///publicboolReduceConsecutiveSpace=true;//////Setthetagnamesinlowercasewhichareallowedtogotooutput///publicstring[]AllowedTags=newstring[]{"p","b","i","u","em","big","small","div","img","span","blockquote","code","pre","br","hr","ul","ol","li","del","ins","strong","a","font","dd","dt"};//////Ifanytagfoundwhichisnotallowed,itisreplacedbythistag.///Specifyatagwhichhasl |
