寻找一个好的HTML解析器，将提供offsetHeight的值

Question

我有一个项目，需要我加载一个HTML文档作为字符串，并解析它。我试图确定哪个HTML节点会超过页面的高度（8.5x11），因此我可以在它之前插入一个'page-break-after'。这将与我正在生产的.NET DLL完成。

我试过使用mshtml dom。将字符串值加载到此并不容易，当我设法完成此操作时，offsetHeight（etc）属性始终返回零。我发现完成这项工作的唯一方法是将HTML保存到磁盘，通过SHDocVw.InternetExplorer加载它，然后将其传递给mshtml dom。

我假设除非HTML由SHDocVw'呈现'，否则我没有用于报告mshtml的offsetHeight信息，因为这是基于屏幕像素。我可能是错的。

我当前的代码如下：

Dim myIE As New SHDocVw.InternetExplorer 
myIE.Navigate("D:\Temp\Test.HTML") 
Dim myDoc As mshtml.HTMLDocument = CType(myIE.Document, mshtml.HTMLDocument) 

Dim divTag As mshtml.IHTMLElement = myDoc.getElementById("someID") 

For Each childNode As mshtml.IHTMLElement In TryCast(divTag.children, mshtml.IHTMLElementCollection) 
    If childNode.offsetTop + childNode.offsetHeight > 750 Then '72pixels = 1 inch. 
     childNode.insertAdjacentHTML("beforeBegin", "<DIV style='page-break-after:always'></DIV>") 
    End If 
Next 

我有两个目标。 ＃1是关键，＃2理想。

1）从字符串加载HTML，并让上述代码仍然有效。

2）理想情况下，找一个.NET组件来做同样的事情。我不喜欢在.NET中依赖COM组件，除非我别无选择。

Answer 1

WebBrowser（也许，不确定）会将您的HTML字符串并将其转换为可导航的DOM。重用，不要重新创建HTML解析器。你的项目结束时会留下更多的头发。

Answer 2

使用来自Codeplex的Html Agility Pack，它是最全面的HTML解析器，并基于HTML结构创建DOM树。