Libreria per generare XmlDocument .NET da minestra di tag HTML

Question

Sto cercando una libreria .NET che può generare un albero Xml pulito, idealmente System.Xml.XmlDocument, dal codice HTML valido. OSSIA dovrebbe fare il tipo di congetture migliori sforzo, riparazioni e sostituzioni browser che fare di fronte a questa situazione, e generare un XmlDocument finta. La biblioteca dovrebbe anche essere ben mantenuto. :)

Mi rendo conto che questo è molto (troppo?) A chiedere, e gradirei qualche indizio utile. Sembra che ci siano un discreto numero di implementazioni di questo per Java, ma preferirei non generare i miei attacchi. Finora per NET ho trovato http://www.majestic12.co.uk/ progetti / html_parser.php e http://users.rcn.com/ creitzel / tidy.html # dotnet e http://sourceforge.net/projects/tidyfornet.

Non ho ancora costruito o provato uno di questi, ma dalla documentazione (sparse) e aggiornamenti rari che non sembrano come se avessero quello che sto cercando. Allora, cosa raccomandazioni avete, sia tra queste scelte, o dalla vostra esperienza passata.

Answer 1

Il HTML Agility pacchetto è molto apprezzato. Sarà certamente fare il parsing / migliore indovinare etc.

Il modello è simile a XmlDocument intentially, tra cui SelectNodes ecc per l'interrogazione.

Se avete bisogno di output xhtml, c'è una bandiera OptionOutputAsXml; Presumo che l'impostazione di questo vero e chiamando risultati Save in XHTML.