我正在寻找将C#文档转换为纯文本的HTML代码。
我正在寻找的不是简单的标签剥离,而是一些将输出纯文本,并合理保留原始布局的东西。
输出应如下所示:
我看过HTML Agility Pack,但我不认为这是我需要的。还有没有其他的建议?
编辑:我刚刚从CodePlex下载了HTML Agility Pack,并运行了Html2Txt项目。多么令人失望(至少是将html转换为文本的模块)!它所做的就是剥离标签,展平表格,等等。输出看起来一点也不像Html2Txt @ W3C生成的。太糟糕了,这个源码似乎不可用。我想看看是否有更“罐装”的解决方案可用。
EDIT 2:谢谢大家的建议。FlySwat向我指出了我想去的方向。我可以使用System.Diagnostics.Process
类运行lynx.exe,并使用"-dump“开关将文本发送到标准输出,然后使用ProcessStartInfo.UseShellExecute = false
和ProcessStartInfo.RedirectStandardOutput = true
捕获标准输出。我将把所有这些都封装在一个C#类中。这段代码将只是偶尔调用,所以我并不太关心在代码中产生一个新的进程。另外,Lynx速度很快!!
https://stackoverflow.com/questions/731649
复制相似问题