C# 使用Microsoft.mshtml解析HTML

因此，我尝试使用

mshtml

解析少量的html。但是我有一些问题。我需要从

IHtmlElement

中获取

innerHtml

。首先，我创建一个

IHtmlDocument2

对象，并获取我称之为root的主span标记（环绕所有内容），如下所示

 string html = someHtml;
 object[] objects = { html };
 mshtml.HTMLDocument doc = new mshtml.HTMLDocument();
 mshtml.IHTMLDocument2 doc2 = (mshtml.IHTMLDocument2)doc;
 doc2.write(objects);
 mshtml.IHTMLElement root = doc.getElementById("root");

然后，我将遍历“root”的子对象，并对innerHtml进行类似的处理

foreach (mshtml.IHTMLElement e in  (mshtml.IHTMLElementCollection)root.children)
{
    someString = e.innerHtml.substring(0, 1);
    //or something similar  
}

---

这个很好用。但是，当元素

innerHtml

包含

、

或任何自动关闭标记（如

）时，我会遇到问题。我遇到的问题是，当html标记的innerHtml包含其中一个时，

IHtmlElement

对象中的

innerHtml

没有设置，并且保持为空。有办法解决这个问题吗？我发现很难相信mshtml不能处理这些类型的基本html标记。所以我觉得我做错了什么。如果您尝试通过IPersistFile或IPersistStreamInit？负加载您的想法、评论和反馈，我们将不胜感激。这是我第一次听说这些接口，所以我不知道它们是如何工作的。我能够为我正在使用它的选定案例构建一个变通方法，但这不是一个理想的情况。我认为这两种方法都不适用于我的情况。我正在解析的HTML代码不是来自文件或流。它存储在数据库中。然后在解析之前将其作为字符串对象检索