[PR] Excelで多桁計算するなら「Addin for Excel 95-2007 Basic Edition」!
[PR] 自由な名前で定数を共有？！「Addin for Excel 95-2007 Professional Edition」
[AA] 安かったから、買ったよ→BUFFALO ポータブルブルーレイドライブ BR-PX68U2-BK

HTML→XML／C#

まだ余分な属性がたくさん付くけど、かなりボロボロなHTMLでもXML化できる(かな？)
要：参照追加 Microsoft.mshtml

    class XHtmlDocument : System.Xml.XmlDocument
    {
        public XHtmlDocument() : base(){}
        public XHtmlDocument(System.Xml.XmlImplementation imp) : base(imp){}
        public XHtmlDocument(System.Xml.XmlNameTable nt) : base(nt){}
        public void LoadHtml(string html)
        {
            mshtml.HTMLDocumentClass htmlDocument = new mshtml.HTMLDocumentClass();
            mshtml.IHTMLDocument2 htmlDoc2 = htmlDocument;
            //object[] wp = new object[1];
            //wp[0] = html;
            htmlDoc2.write(html);
            System.Xml.XmlDocument xmlDocument = new System.Xml.XmlDocument();
            //mshtml.IHTMLDOMNode hdoctype = htmlDocument.doctype;
            mshtml.IHTMLElement hroot = htmlDocument.documentElement;
            base.LoadXml(HtmlElement2XmlElement(xmlDocument, hroot).OuterXml);
            htmlDocument.close();
        }

        private System.Xml.XmlElement HtmlElement2XmlElement(System.Xml.XmlDocument xdoc, mshtml.IHTMLElement he)
        {
            mshtml.IHTMLDOMNode hn = (mshtml.IHTMLDOMNode)he;
            string tagName = hn.nodeName;
            // 要素名
            System.Xml.XmlElement xe = xdoc.CreateElement(tagName);
            // 属性
            mshtml.IHTMLAttributeCollection attrs = (mshtml.IHTMLAttributeCollection)(hn.attributes);
            foreach (mshtml.IHTMLDOMAttribute attr in attrs)
            {
                string attrName = attr.nodeName;
                object attrValue = attr.nodeValue;
                string attrValueText = (attrValue == null) ? string.Empty : attr.nodeValue.ToString();
                xe.Attributes.Append(xdoc.CreateAttribute(attrName)).Value = attrValueText;
            }

            // 内容物
            mshtml.IHTMLDOMChildrenCollection children = (mshtml.IHTMLDOMChildrenCollection)hn.childNodes;
            foreach (mshtml.IHTMLDOMNode node in children)
            {
                if (node.nodeType == 1) // Element
                {
                    System.Xml.XmlElement xchild = HtmlElement2XmlElement(xdoc, (mshtml.IHTMLElement)node);
                    xe.AppendChild(xchild);
                }
                else if (node.nodeType == 3) // Text
                {
                    System.Xml.XmlText xtext = xdoc.CreateTextNode(node.nodeValue.ToString());
                    xe.AppendChild(xtext);
                }
                else if (node.nodeType == 8) // Comment
                {
                    System.Xml.XmlComment xcomment = xdoc.CreateComment(node.nodeValue.ToString());
                    xe.AppendChild(xcomment);
                }
                else
                {
                    // System.Xml.XmlText xtext = xdoc.CreateTextNode("[nodeType:" + node.nodeType + "]" + node.nodeValue.ToString());
                    // xe.AppendChild(xtext);
                }
            }

            return xe;
        }
    }

IHTMLElementのまま処理すれば属性増加しないが、IHTMLElementには属性コレクションを取得する方法が・・・
he.outerHtmlから属性部分を抽出し、attrNameが含まれるか判断すれば、ある程度まで何とかなる。
属性部分のループがボトルネックで遅いので、LINQ使わないとダメかも。

METAタグの属性、SCRIPTタグの属性と中身などの取得はできていない。
属性値URLをそのまま欲しい場合は、he.getAttribute(attrName, 3)。

ともかくもう少しうまくやる必要がある。

トラックバック(0)

トラックバックURL: http://blog.fne.jp/mt/mt-tb.cgi/103

コメントしちゃいなよ

名前(匿名可)

メールアドレス(入力自由)

情報を記憶

コメント (スタイル用のHTMLタグを使えます)

インデックス｜自己紹介｜サポートサイト｜旧ブログ｜アーカイブ

日	月	火	水	木	金	土
			1	2	3	4
5	6	7	8	9	10	11
12	13	14	15	16	17	18
19	20	21	22	23	24	25
26	27	28	29	30	31

HTML→XML／C#

トラックバック(0)

コメントしちゃいなよ

サイトカウンタ

埋め込みツイッター

検索

このアーカイブについて

カテゴリ

月別アーカイブ

ウェブページ

2024年5月

埋め込みQRコード

HTML→XML／C#

トラックバック(0)

コメントしちゃいなよ

サイトカウンタ

埋め込みツイッター

検索

このアーカイブについて

カテゴリ

月別 アーカイブ

ウェブページ

2024年5月

埋め込みQRコード

月別アーカイブ