寻找一个好的 HTML 解析器,它将提供类似 offsetHeight 的值

发布于 2024-08-22 17:21:28 字数 1090 浏览 12 评论 0原文

我有一个项目需要我将 HTML 文档作为字符串加载并解析它。我试图确定哪个 HTML 节点将超过页面的高度 (8.5x11),以便我可以在其之前插入“page-break-after”。这将通过我正在生成的 .NET dll 来完成。

我尝试过使用 mshtml dom。将字符串值加载到其中并不容易,当我设法完成此操作时,offsetHeight(等)属性总是返回零。我发现完成这项工作的唯一方法是将 HTML 保存到磁盘,通过 SHDocVw.InternetExplorer 加载它,然后将其传递到 mshtml dom。

我假设除非 HTML 是由 SHDocVw“渲染”的,否则我没有要报告的 mshtml 的 offsetHeight 信息,因为这是基于屏幕像素的。我可能是错的。

我当前的代码如下:

Dim myIE As New SHDocVw.InternetExplorer
myIE.Navigate("D:\Temp\Test.HTML")
Dim myDoc As mshtml.HTMLDocument = CType(myIE.Document, mshtml.HTMLDocument)

Dim divTag As mshtml.IHTMLElement = myDoc.getElementById("someID")

For Each childNode As mshtml.IHTMLElement In TryCast(divTag.children, mshtml.IHTMLElementCollection)
    If childNode.offsetTop + childNode.offsetHeight > 750 Then '72pixels = 1 inch.
         childNode.insertAdjacentHTML("beforeBegin", "<DIV style='page-break-after:always'></DIV>") 
    End If
Next

我有两个目标。 #1 是关键,#2 是理想的。

1) 从字符串加载 HTML,并使上面的代码仍然有效。

2) 理想情况下,找到一个可以执行相同操作的 .NET 组件。我不喜欢依赖 .NET 中的 COM 组件,除非别无选择。

I have a project which requires me to load an HTML document as a string, and parse it. I am trying to determine which HTML node will exceed the height of a page (8.5x11) so I can insert a ‘page-break-after’ before it. This will be done with a .NET dll I am producing.

I have tried using the mshtml dom. It’s not easy to load a string value into this, and when I did manage to accomplish this the offsetHeight (etc) properties always return zero. The only way I have found to make this work is to save the HTML to disk, load it via SHDocVw.InternetExplorer, and then pass that to the mshtml dom.

I’m assuming that unless the HTML is ‘rendered’ by SHDocVw, I have no offsetHeight information for mshtml to report, as this is based on screen pixels. I could be wrong.

My current code is as follows:

Dim myIE As New SHDocVw.InternetExplorer
myIE.Navigate("D:\Temp\Test.HTML")
Dim myDoc As mshtml.HTMLDocument = CType(myIE.Document, mshtml.HTMLDocument)

Dim divTag As mshtml.IHTMLElement = myDoc.getElementById("someID")

For Each childNode As mshtml.IHTMLElement In TryCast(divTag.children, mshtml.IHTMLElementCollection)
    If childNode.offsetTop + childNode.offsetHeight > 750 Then '72pixels = 1 inch.
         childNode.insertAdjacentHTML("beforeBegin", "<DIV style='page-break-after:always'></DIV>") 
    End If
Next

I have two goals. #1 is key, #2 ideal.

1) Load the HTML from a string, and have the above code still work.

2) Idealy, find a .NET component that will do the same thing. I don’t like relying on COM components in .NET unless I have no choice.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(2

凯凯我们等你回来 2024-08-29 17:21:28

WebBrowser(也许,不确定)将获取您的 HTML 字符串并将其转换为可导航的 DOM。重用,不要重新发明 HTML 解析器。项目结束时你会剩下更多的头发。

WebBrowser (maybe, not sure) will take your HTML string and convert it to a navigable DOM. Reuse, don't reinvent an HTML parser. you'll have more hair left at the end of your project.

微凉徒眸意 2024-08-29 17:21:28

使用 Codeplex 中的 Html Agility Pack,它是最彻底的 HTML 解析器,并基于以下内容创建 DOM 树: HTML 结构。

Use the Html Agility Pack from Codeplex which is the most thorough parser for HTML and creates a DOM tree based on the HTML structure.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文