学步园

最近项目中需要在 winform 中加载 xhtml 文件并修改，颇废了一些周折，特发文纪念，同时讨论下有没有更好的办法。

 

在winform中加载网页首先想到的（其实目前也只能使用）当然是使用 WebBrowser 控件，但是。。。这个控件真不太好用。

1. xp 下不支持 xhtml。 使用 Navigate 方法加载本地的一个 xhtml 文件， 居然弹出下载窗口。

    （win7 下正常，但是现在xp不还是王道嘛）

   肿么办：将文件名改为 html 就行了， 处理完毕后再把文件改回 xhtml。

2. 使用 WebBrowser 打开后， 再通过 document.documentElement.outerHTML 取得的 html 代码中所有的 attribute 的引号全丢失了

    例如源文件为 <div class="top" id="my_edit" > 

    打开后就变成 <div class=top id=my_edit>

3. 同第2点，html 代码的标签全部变成大写

    例如源文件为 <div id="my_edit" > </div>
    打开后就变成 <DIV id="my_edit"> </DIV>

4. 同第2点，html 代码中的 img 标签自动变成非闭合

    例如源文件为 <img src="images/chjy.gif" ></img>

    打开后就变成 <IMG src="images/chjy.gif"> 

5. 同第2点，html 代码中的 BR 标签全部变成非闭合

    例如源文件为 <br/>

    打开后就变成 <BR> 

以上的 2,3,4,5 点在 xhtml 下都是属于不规范的代码，根本无法打开，没办法，只能一个个用正则修改。

附上代码：

//标签全部变小写
                html = Regex.Replace(html, @"(?<=\</?)\w+", delegate(Match m)
                {
                    return m.Value.ToLower();
                });
                //属性值加上双引号
                html = Regex.Replace(html, @"=([^""]+?)([\s>])", delegate(Match m)
                {
                    return "=\"" + m.Groups[1].Value + "\"" + m.Groups[2].Value;
                });
                //img闭合
                html = Regex.Replace(html, "(?<=\\<img[^>]+)>", delegate(Match m)
                {
                    return "/>";
                }, RegexOptions.IgnoreCase);
                //br 闭合

                html = Regex.Replace(html, "<BR>", "<br/>", RegexOptions.IgnoreCase); 

 

修改后勉强可以用了，但是不知道有没有后遗症啊。

 

高手们说说，我这样的作法对吗？