我開發的時小型日志程序，保存日志文件到HTML中，對文件的操作是必然，所有對HTML的操作我編寫了一個文件操作類HtmlOption。
using System;
using System.Collections.Generic;
using System.Text;
using System.Text.RegularExpressions;
using System.Net;
namespace Common
{
public class HtmlOption
{
public HtmlOption()
{
}
//該方法是提取HTML中的圖片地址，返回的多個圖片地址用逗號分開。為什麼要提取HTML中的圖片地址？因為我要把網頁或部分內容保存到本地，HTML中的圖片是存放的圖片地址，而不是圖片的二進制代碼，所以我必須把文件保存到本地，地址是必須知道的才能保存圖片文件到本地，然後替換HTML中的圖片地址為本地路徑，才能實現在本地顯示HTML圖片在沒有網絡的情況下正常顯示圖片。
public static string HtmImage(string htmlstring)
{
Regex regTag = new Regex(@"<[^>]*>");
Regex regImg = new Regex(@"(?i)<img[^>]*?src=(['""]?)(?<src>[^'""\s>]+)\1[^>]*>");
string result = regTag.Replace(htmlstring, delegate(Match m) { if (m.Value.ToLower().StartsWith("<img")) return regImg.Replace(m.Value, "《img src=\"${src}\"》《/img》"); return ""; });
return result;
}
//該方法功能實現HTML轉化成文本字符串，但是要保留圖片的代碼。這樣做的目的是過濾一些HTML中的特殊HTML代碼，但是還能正常顯示圖片。過濾HTML代碼的好處，編寫自己的CSS樣式來美化自己的日志文件。不但開起來美觀，有時候也能保護自己的眼睛，增加閱讀興趣。
public static string HtmlToString(string Htmlstring, string websiteUrl, string PicPath)
{
Htmlstring = Htmlstring.Replace("<br>", "\r\n");
Htmlstring = Htmlstring.Replace("<BR>", "\r\n");
Htmlstring = Regex.Replace(Htmlstring, @"(<script)+[^<>]*>[^\0]*(<\/script>)+", "", RegexOptions.IgnoreCase);
Htmlstring = Htmlstring.Replace("《", "\"");
Htmlstring = Htmlstring.Replace("》", "\"");
Htmlstring = HtmImage(Htmlstring);
Htmlstring = Regex.Replace(Htmlstring, @"-->", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"<!--.*", "", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(quot|#34);", "\"", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(amp|#38);", "&", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(lt|#60);", "<", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(gt|#62);", ">", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(nbsp|#160);", " ", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(iexcl|#161);", "\xa1", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(cent|#162);", "\xa2", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(pound|#163);", "\xa3", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&(copy|#169);", "\xa9", RegexOptions.IgnoreCase);
Htmlstring = Regex.Replace(Htmlstring, @"&#(\d+);", "", RegexOptions.IgnoreCase);
Htmlstring = Htmlstring.Replace("<", "");
Htmlstring = Htmlstring.Replace(">", "");
Htmlstring = Htmlstring.Replace("\r\n", "<br>");
Htmlstring = Htmlstring.Replace("<script></script>", "");
Htmlstring = Htmlstring.Replace("《", "<");
Htmlstring = Htmlstring.Replace("》", "/>");
Htmlstring = SavePic(Htmlstring,websiteUrl,PicPath);
return Htmlstring;
}
//該方法實現把遠程的圖片保存到本地，以時間命名保存圖片，並修改Html中的圖片路徑為本地相對路徑，來完成本地顯示日志內容。
/// <summary>
/// 保存遠程圖片到本地
/// </summary>
/// <param name="htmlstring">要修改的HTML字符串</param>
/// <param name="websiteUrl">網站主域名</param>
/// <param name="PicPath">保存圖片的路徑</param>
/// <returns>返回處理過後的HTML字符串</returns>
public static string SavePic(string htmlstring,string websiteUrl,string PicPath)
{
System.Text.RegularExpressions.MatchCollection m;
//提取字符串的圖片 www.2cto.com
m = Regex.Matches(htmlstring, "(<img).*?>");
for (int i = 0; i < m.Count; i++)
{
string ostr = m[i].ToString();
//提取圖片的地址
System.Text.RegularExpressions.MatchCollection m2;
m2 = Regex.Matches(ostr, "(src=)['|\"].*?['\"]");
for (int j = 0; j < m2.Count; j++)
{
string picurl = m2[j].ToString();
picurl = picurl.Replace("src=", "");
picurl = picurl.Replace("\"", "");
picurl = picurl.Replace("'", "");
string picname = DateTime.Now.ToString("yyyMMddHHmmss") + picurl.Substring(picurl.Length - 4, 4);
string newpic = "";
if (picurl.Substring(0, 4) != "http")
{
newpic = websiteUrl + "/" + picurl;
}
else
{
newpic = picurl;
}
try
{
WebClient wc = new WebClient();
wc.DownloadFile(newpic, PicPath + @"\" + picname);
htmlstring = htmlstring.Replace(newpic, @"pic/" + picname);
}
catch (Exception ex)
{
}
}
}
return htmlstring;
}
}
}
該類基本就是我們對HTML的處理操作代碼，其主要是過濾HTML字符，保存圖片到本地，並修改其中圖片路徑等功能
作者 zhaoyang
