在 C# 中加载 HTML 文档

使用 Aspose.HTML for .NET 加载 HTML

Aspose.HTML for .NET 将 HTML 加载到 HTMLDocument 中。它是内存中的文档树，可用于 DOM 查询、内容修改、数据提取、保存和转换。 HTMLDocument 构造函数 可接受本地路径、远程 URL、标记字符串或流，因此应用程序可以选择符合工作流程的数据源。

在 C# 中加载 HTML 文件

将本地文件路径传给 HTMLDocument 构造函数。加载完成后，文档会公开解析后的 DOM。以下示例打开 input.html，并通过 OuterHTML 读取文档元素的完整标记。

using System;
using Aspose.Html;

using HTMLDocument document = new HTMLDocument("input.html");

string html = document.DocumentElement.OuterHTML;
Console.WriteLine(html);

选择 HTML 数据源和构造函数

• 本地文件。 当 HTML 已存储在磁盘上，并且相对资源应从文档位置解析时，请传入文件路径。
• 远程 URL。 当应用程序需要加载网页及其允许访问的外部资源时，请传入 HTTP 或 HTTPS 地址。
• 标记字符串。 当 HTML 代码已在内存中时，请将其与基准 URL 一起传入。
• 流。 当 HTML 来自上传内容、响应正文、数据库或其他内存数据源时，请传入可读流和基准 URL。

在 C# 中从 URL 加载 HTML

接受单个地址的构造函数可以打开远程网页。通过 URL 加载时，还会处理环境配置允许且可以访问的外部资源。加载后，可使用 DOM 属性和方法检查或修改文档。

using System;
using Aspose.Html;

using HTMLDocument document =
    new HTMLDocument("https://docs.aspose.com/html/net/creating-a-document/");

string html = document.DocumentElement.OuterHTML;
Console.WriteLine(html);

在 C# 中从字符串加载 HTML

当应用程序已有字符串形式的 HTML 标记时，请使用双参数构造函数。第二个参数是基准 URL，用于解析相对图片、样式表、脚本、字体和链接。此独立示例使用 "." 表示当前目录。如果标记包含相对引用，请提供实际目录或网址。

using System;
using Aspose.Html;

string markup = "<p>HTML loaded from a string</p>";

// Use the current directory as the base URL
string baseUrl = ".";

using HTMLDocument document = new HTMLDocument(markup, baseUrl);

string html = document.DocumentElement.OuterHTML;
Console.WriteLine(html);

在 C# 中从流加载 HTML

流构造函数从流的当前位置开始读取。如果应用程序刚写入 HTML，请在创建文档前刷新 writer 并将位置重置到开头。在 HTMLDocument 完成读取前，应保持流处于打开状态。由于示例标记不含相对资源，因此使用 "." 作为表示当前目录的中性基准 URL。

using System;
using System.IO;
using System.Text;
using Aspose.Html;

using MemoryStream stream = new MemoryStream();

// Keep the stream open after disposing the writer
using (StreamWriter writer = new StreamWriter(stream, Encoding.UTF8, 1024, true))
{
    writer.Write("<p>HTML loaded from a stream</p>");
    writer.Flush();
}

// Reset the stream before HTMLDocument reads it
stream.Position = 0;

using HTMLDocument document =
    new HTMLDocument(stream, ".");

string html = document.DocumentElement.OuterHTML;
Console.WriteLine(html);

HTML 加载行为和注意事项

• 构造函数将 HTML 解析为 DOM。 生成的树遵循 HTML 解析规则。以后序列化时可能会规范化结构或标记，因此不要期望结果与源内容逐字节相同。
• 基准 URL 控制相对资源。 字符串和流输入没有固有的文档位置。请提供用于解析相对 CSS、图片、脚本、字体和链接的位置。
• 文档构造函数采用同步加载。 它们会等待文档和允许的外部资源加载完成。当应用程序需要异步导航时，请使用 Navigate() 和文档事件。
• 远程加载取决于运行环境。 无效地址、重定向、身份验证、网络故障和安全限制都可能导致网页或关联资源无法加载。
• 释放已加载的文档。 HTMLDocument 会保存文档和资源状态。使用 using 声明或 using 块，可在处理完成后释放这些状态。

HTML 加载文档和 API 参考

阅读 创建或加载 HTML 文档 ，了解构造函数示例、基准 URL 指南、异步导航和常见加载问题。加载文档后，可使用 HTML DOM 指南导航节点，或通过 编辑 HTML 文档 指南修改内容和属性。要创建没有现有数据源的新文档，请参阅 在 C# 中创建 HTML 。

安装 Aspose.HTML for .NET

使用 .NET CLI 从 NuGet 安装 Aspose.HTML for .NET ：

dotnet add package Aspose.HTML

您也可以使用 NuGet 包管理器界面，或在包管理器控制台中运行 Install-Package Aspose.HTML。有关配置详情，请参阅 安装指南 ；如需不受评估版限制地测试 API，请申请 临时许可证 。

HTML 加载常见问题

1. 如何在 C# 中加载 HTML 文档？

将本地路径或 URL 传给 HTMLDocument 构造函数。对于字符串或流中的标记，请同时传入内容和基准 URL。构造函数会解析数据源并公开生成的 HTML DOM。

2. 加载 HTML 会完整保留源标记吗？

不要依赖逐字节一致性。Aspose.HTML 会将源内容解析为 DOM，以后序列化时可能规范化隐式元素、字符编码、空白或标记结构，同时保留文档模型。

3. Aspose.HTML 能否异步加载网页？

可以。构造函数执行同步加载。请按照 异步加载 HTML 的说明创建文档、订阅 OnReadyStateChange 或 OnLoad 等加载事件、调用 Navigate()，并使用应用程序定义的超时等待。

4. 为什么远程 HTML 文档可能加载失败？

常见原因包括 URL 无效或无法访问、重定向、身份验证要求、网络限制、外部资源被阻止或环境安全设置。请验证地址，并且只配置应用程序所需的网络访问权限。

5. 应用程序如何在加载 HTML 时限制外部资源？

使用应用了所需安全和资源加载设置的 Configuration 创建文档。尤其当 HTML 或 URL 来自不可信用户时，应将远程访问限制到可信位置。