c#中如何将现有的HTML文本转化为XML文档？

Question

我在做一个多线程并行处理HTML页面的程序，在页面分析过程中遇到了难题，请教高手。目前我将通过WebRequest获取的HTML数据流通过IHTMLDocument3来获取dom树，从而转化为XML进一步转化为结构化数据。问：这种方式可取么？有没有更好的方式来将HTML数据流转化为结构化数据。如果可取的话如何将WebRequest获取的HTML数据流转化为dom树，我不知道如何在多线程程序中高效的将字符转类型转化为IHTMLDocument3。

Answer 1

这样做，并不可取。原因是：
各网站的页面结构（指<Table><TH><TD></TD></TH></Table>）不同。   是
     <TH><TD></TD></TH>，
   也可能是<TH><TD><TH><TD></TD></TH></TD><TD></TD><TD></TD></TH>等等
   这样是与xml的风格截然不同的。建议你这样处理：
把网页中有用的内容先选取出来，再使用正则表达式进行分解，形成符合xml文档的格式数据后，在保存为xml文件。这时，你的实现方法就可以多种多样了。

Answer 2

使用Sgml reader这里可以下载:http://www.gotdotnet.com/Community/UserSamples/Details.aspx?SampleGuid=B90FDDCE-E60D-43F8-A5C4-C3BD760564BC

Answer 3

可以说XML比HTML要求严格太多，所以，基本上不能简单地从HTML到XML。上面的两个解答都是不错的思路。