C# 如何解析HTML节点

我的网站流量

经过身份验证的用户将上载docx

我正在使用

OpenXmlPowerTools

API将此docx转换为HTML

保存文件

将html页面的每个节点保存到数据库中

数据库：-

tblNodeCollection

• 诺代德
• 节点类型（预期值-
  ，
  ，
  ，
  ）
• 节点内容（预期值-

  这是p内容
  

在第3步之前没有问题。但是我不知道如何将节点集合保存到表中

我在谷歌上搜索并找到了

htmlagiiltypack

，但对它知之甚少

using DocumentFormat.OpenXml.Packaging;
using HtmlAgilityPack;
using OpenXmlPowerTools;

namespace ExportData 
{
public class ExportHandler 
{
public void GenerateHTML()
    {
        byte[] byteArray = File.ReadAllBytes(@"d:\test.docx");
        using (MemoryStream memoryStream = new MemoryStream())
        {
            memoryStream.Write(byteArray, 0, byteArray.Length);
            using (WordprocessingDocument doc =
                WordprocessingDocument.Open(memoryStream, true))
            {
                HtmlConverterSettings settings = new HtmlConverterSettings()
                {
                    PageTitle = "My Page Title"
                };
                XElement html = HtmlConverter.ConvertToHtml(doc, settings);

                File.WriteAllText(@"d:\Test.html", html.ToStringNewLineOnAttributes());


            }
        }

        //now how do I proceed from here
    }
 }

---

非常感谢任何类型的帮助/指导。

根据我们在评论中的讨论，以及您似乎一直坚持的部分，我建议您：

这里的内容可能会为如何转换为html提供一些帮助

当然，您仍然面临需要能够拆分每个页面的问题（正如您在评论中提到的），您可能能够将每个页面单独导出为html

对于您的数据库结构，我推荐类似于：

[Document Table]
  - Document ID
  - Document Name
  - Any other data you need per-document

[Node Table]
  - Node ID
  - Document ID (foreign key)
  - Node Content (string)

确保在节点表上有合理的索引，因为随着时间的推移，您可能会在数千行（如果不是数百万行的话）上查找索引（尤其是文档id上的一行）

对每个节点都有一个索引属性（例如bigint位置）也可能很有用，这样您就可以通过将节点按顺序重新组合在一起来重建文档

---

总的来说，我的建议是试着让你的老板明白原因，真正反对这个愚蠢的设计决定。

根据我们在评论中的讨论，以及你似乎一直坚持的部分，我建议如下：

这里的内容可能会为如何转换为html提供一些帮助

当然，您仍然面临需要能够拆分每个页面的问题（正如您在评论中提到的），您可能能够将每个页面单独导出为html

对于您的数据库结构，我推荐类似于：

[Document Table]
  - Document ID
  - Document Name
  - Any other data you need per-document

[Node Table]
  - Node ID
  - Document ID (foreign key)
  - Node Content (string)

确保在节点表上有合理的索引，因为随着时间的推移，您可能会在数千行（如果不是数百万行的话）上查找索引（尤其是文档id上的一行）

对每个节点都有一个索引属性（例如bigint位置）也可能很有用，这样您就可以通过将节点按顺序重新组合在一起来重建文档

---

总的来说，我的建议是试着让你的老板明白原因，真正反对这个愚蠢的设计决定。

以下是如何解析html并将其保存到数据库的简化过程。我希望这能帮助你和/或给你一个解决问题的方法

        HtmlWeb h = new HtmlWeb();
        HtmlAgilityPack.HtmlDocument doc = h.Load("http://stackoverflow.com/questions/41183837/how-to-store-html-nodes-into-database");
        HtmlNodeCollection tableNodes = doc.DocumentNode.SelectNodes("//table");
        HtmlNodeCollection h1Nodes = doc.DocumentNode.SelectNodes("//h1");
        HtmlNodeCollection pNodes = doc.DocumentNode.SelectNodes("//p");
        //get other nodes here

        foreach (var pNode in pNodes)
        {
            string id = pNode.Id;
            string content = pNode.InnerText;
            string tag = pNode.Name;

            //do other stuff here and then save to database

            //just an example...
            SqlConnection conn = new SqlConnection("here goes conection string");
            SqlCommand cmd = new SqlCommand();
            cmd.Connection = conn;
            cmd.CommandText = "INSERT INTO tblNodeCollection (Tag, Id, Content) VALUES (@tag, @id, @content)";
            cmd.Parameters.Add("@tag", tag);
            cmd.Parameters.Add("@id", id);
            cmd.Parameters.Add("@content", content);

            cmd.ExecuteNonQuery();
        }

---

下面是如何解析html并将其保存到数据库的简化过程。我希望这将帮助您和/或让您了解如何解决您的问题

        HtmlWeb h = new HtmlWeb();
        HtmlAgilityPack.HtmlDocument doc = h.Load("http://stackoverflow.com/questions/41183837/how-to-store-html-nodes-into-database");
        HtmlNodeCollection tableNodes = doc.DocumentNode.SelectNodes("//table");
        HtmlNodeCollection h1Nodes = doc.DocumentNode.SelectNodes("//h1");
        HtmlNodeCollection pNodes = doc.DocumentNode.SelectNodes("//p");
        //get other nodes here

        foreach (var pNode in pNodes)
        {
            string id = pNode.Id;
            string content = pNode.InnerText;
            string tag = pNode.Name;

            //do other stuff here and then save to database

            //just an example...
            SqlConnection conn = new SqlConnection("here goes conection string");
            SqlCommand cmd = new SqlCommand();
            cmd.Connection = conn;
            cmd.CommandText = "INSERT INTO tblNodeCollection (Tag, Id, Content) VALUES (@tag, @id, @content)";
            cmd.Parameters.Add("@tag", tag);
            cmd.Parameters.Add("@id", id);
            cmd.Parameters.Add("@content", content);

            cmd.ExecuteNonQuery();
        }

---

---

我们可以问一下你为什么要将节点保存在数据库中吗？为什么不保存整个XML并在需要时在内存中解析和处理它？@Clint No.
该网站与每个节点都有很多其他事情要做。任何关于这可能是什么的上下文？它可能完全决定了最佳解决方案。该网站正在进行电子学习。因此培训师将上传加载一个word文件，其中包含页面的每个部分（节点将具有seprate reviewer&approver这可能是一个典型的锤击&钉子问题，您有什么理由不能将文档拆分为其组成页面，并将每个页面存储为一个单独的文档，并将它们与数据库中的条目链接？这样您就可以实现分离，并能够在他结束了。文档也被压缩了，因此，如果你存储每个节点的数据，那么随着时间的推移，你将面临大量文档的严重数据爆炸。我们可以问一下，你为什么要尝试将节点保存在数据库中？为什么不保存整个XML并在需要时在内存中解析和处理它？@Clint No.
该网站有很多与每个节点相关的其他内容。有什么上下文吗？它可能完全决定了最佳解决方案。该网站进入电子学习。因此培训师将上传一个word文件，其中包含页面的每个部分（节点将具有seprate reviewer&approver这可能是一个典型的锤击&钉子问题，您有什么理由不能将文档拆分为其组成页面，并将每个页面存储为一个单独的文档，并将它们与数据库中的条目链接？这样您就可以实现分离，并能够在他结束了。文档也被压缩了，所以如果你存储每个节点的数据，那么随着时间的推移，你将面临大量文档的严重数据爆炸。但是我该如何将我的html页面拆分为节点。这是我的疑问，但我该如何将我的html页面拆分为节点。这是我的疑问。你的帖子似乎与我的需求高度相关。让我进一步讨论选中此项。谢谢：）是的。它满足了我的需要。谢谢：）这里有一个补充说明，但真正的问题似乎是如何使用HtmlAgilityPack解析HTML:）我不知道该怎么做才能得到HTML页面的节点。但是在你发表文章之后，我知道了如何使用API。谢谢。你能检查一下这篇文章吗。你的文章似乎与我的需要高度相关。让我进一步检查一下。谢谢：）是的。它满足了我的需要。谢谢：）这是一个更新，但真正的问题似乎是如何使用HtmlAgilityPack解析HTML：）我不知道，我该如何获取HTML页面的节点。但是在你的帖子之后，我知道了如何使用API。谢谢，你能看看这个帖子吗。