淨HTML解析器現在和未來

我使用HTML敏捷性包被（儘可能多的建議在這裏）有一段時間，我喜歡它，但我有一些顧慮。淨HTML解析器現在和未來

我正在開發一些新的應用程序，這些應用程序在（X）HTML分析上應該會運行數年，所以我想依賴一個似乎與日常的網絡混亂保持一致的庫。我這樣說是因爲前段時間我從HAP開發人員那裏看到一篇文章，指出他們在不久的將來會遇到問題，並且應該做些改變，但由於缺乏資源而難以完成。我asked in their Codeplex和它的維護者可能確認他們想要做什麼，他們有多少時間，我完全理解。

看看其他選項，Majestic 12 parser似乎是人們在這裏推薦的另一個很好的選擇...但它的網站快速訪問告訴我們它的最後版本日期爲2008年，現在超過3年。

那麼請問...有誰知道一個良好的.Net HTML解析器似乎有它背後強大的開發，從而能夠適應任何需要以下年？它也必須是開源的。也許我要求太多......但以防萬一。

不要誤解我的意思，我喜歡HAP，我現在對它很滿意，我只是害怕在一段時間內會發生什麼事情，並且在依靠深入持久的東西之前，我更願意探索可用選項。

謝謝！

來源

2011-09-05 Jacobo Polavieja

因此，不要依賴HAP，而要依靠別的東西？如何在沒有水晶球或時間機器的情況下爲這個問題提供答案？ –

@R：至少OP不提倡正則表達式。 ;） – TrueWill

@TrueWill，是的，但是他主張黑魔法，這是更糟糕的:-) –

我真的不能對未來發表評論，但我可以告訴你關於HTML敏捷性包的一些事實，我熟知：

1.3版是圍繞2000年創建，使用.NET框架1。1（這就是爲什麼這個版本缺乏通用列表和I ENumerable<T>支持順便說一句）。當時，其主要目標是能夠解析真實世界的HTML。 2000年的真實世界的HTML是更多的HTML 3.2，有許多重疊的標籤（如FORM），而不是HTML 4,5或XHTML。這意味着解析器實際上支持今天的標籤湯幾乎比10年前更好。
這意味着，與其他庫不同，它的實現幾乎一無所知...... HTML，除了事實上HTML由元素和屬性組成。例如，它不知道FONT元素。元素（幾乎）不透明，屬性完全不透明。這是什麼使它有點前途證明。
我個人還是今天在.NET 4上使用這個1.3版本。你可以用今天的HTML頁面來完美地使用它。

因此，我不明白未來可能會發生什麼情況可能會破壞這個HTML？

來源

2011-09-05 20:24:32

+1。聽到這個來自Html Agility Pack的原作者很高興。 –

謝謝西蒙。正如你所看到的，我對HAP內部知識一無所知，所以我們很高興聽到它的構建方式並不瞭解標籤。那麼，這是否意味着如果例如有一個新的標籤被接受爲標準，HAP會在沒有問題的情況下管理它？非常感謝答案。 –

@Jacobo - 當然，這個過程實際上已經在幾年前用HTML 4和3.2發生了。查看這裏創建的新標籤：http：//www.htmlgoodies.com/tutorials/html_401/html4-ref/article.php/3460281/New-Tags-in-HTML-40.htm。在2000年創建的Html Agility Pack 1.3版本對此沒有任何問題。這不是第一級HTML結構的性質發生變化，只是它對用戶代理（瀏覽器）有意義。 Html Agility Pack不是瀏覽器。 –

沒有水晶球，所以沒有人可以告訴你使用什麼是相信它會停留很長時間。即使是商業級別的組件也可能會過時並且技術不斷髮生變化，因此所有供應商都應該嘗試適應和發展，有時甚至有些失敗或者落後於其他。

我認爲你可以做的最好的事情之一是儘可能多地抽象和封裝HAP的用法，包裝類或分離層，以便在將來或即使採用另一個解析器，你的應用程序的大部分將保持不變，你將只有少數組件的本地化變化。

如果你有良好的單元測試覆蓋率你也會感到舒適與更換，因爲你的解決方案將能夠證明你的穩定性和正確性。

我們使用這種方法對許多組件，日誌框架，網格組件，數學庫等，每當生態系統變化，如果這樣做，我們有一大堆的變化都侷限於只有少數地方。

來源

2011-09-05 20:04:53

當然，你所說的是一個很好的建議，我已經嘗試採用。但是，這並不意味着在這樣的層次上進行重構是一件痛苦的事情，並且非常耗時;儘管如果你的代碼結構合理，這是一個不太痛苦的代碼。謝謝。 –

隨着119,783個下載和835個項目，我不得不認爲有人將繼續推動HTML Agility Pack向前發展以跟上標準。如果我們相信來自開源軟件的所有好處，我們應該能夠相信改進軟件可以是一個協作努力。

當然這是很難預測未來，但我選擇了HTML敏捷包最近的一個項目的全面普及，只是因爲（和每個人似乎都推薦它）。到目前爲止，這是一個愉快的經歷。

來源

2011-09-05 20:21:18

淨HTML解析器現在和未來

回答

相關問題