🙏🏾 🛤️ 👲🏿 在C＃中将rtf转换为xml ⛹🏽 🐣 👩🏽‍🤝‍👨🏿

关于使用C＃将文本文件转换为xml的一系列文章的继续，我建议继续转换rtf文件。

看来这种格式很古老，而且很普通，如果没有通过调用一个方法将所有数据转换为xml格式的库，那么肯定有Microsoft提供的某种解决方案，至少类似于OpenXML。。但是，如果是这样，那么就不会写这篇文章。

那么什么是ReachTextFile（rtf）文件？总的来说，文件的内容已经结构化，甚至让人联想到json，xml和xpath。通过以rtf格式保存一些Word文档，然后尝试在文本编辑器（如Notepad ++）中读取它，可以轻松地验证这一点：

我用红色突出显示了一个文件，其中包含有关编码的信息：通常，标签使用ansi编码进行加密，文本本身使用ansicpg1251进行编码。文本本身如下所示：

, , , , … , , , , php.

, , , , , , , . - .

, , , rtf RichTextBox, :

-, Windows.Forms, .
-, . , RichTextBox , , .

, nuget RtfPipe. .

RtfPipe . rtf html. , HtmlAgilityPack.

, - ? : , , , , . , rtf- , , , , — , , , , , .

, .

public string Convert(Stream stream)
        {
            stream.Position = 0;
            string rtf = string.Empty;
            using (StreamReader sr = new StreamReader(stream))
            {
                rtf = sr.ReadToEnd();
            }
            //      RtfPipe  Core 
            Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
            //    RtfPipe  html
            var html = Rtf.ToHtml(rtf);
            //  html     ,   xml
            return ClearHtml(html);
        }

string. RtfPipe. ,
, .Net Core Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);. RtfPipe. .
.Net Framework, .
var html = Rtf.ToHtml(rtf); — html . , , , ( ), .

string ClearHtml(string html), xml:

string ClearHtml(string html)
{
    //  html   HtmlAgilityPack
    HtmlDocument doc = new HtmlDocument();
    doc.LoadHtml(html);
    //    (),     style
    var elementsWithStyleAttribute = doc.DocumentNode.SelectNodes("//@style");
    //   ,    
    var excessNodes = doc.DocumentNode.SelectNodes("//b|//u|//strong|//br");
    //     html
    foreach (var element in excessNodes)
    {
        element.ParentNode.InnerHtml = element.InnerText;
        element.Remove();
    }
    foreach (var element in elementsWithStyleAttribute)
    {
        element.Attributes["style"].Remove();
    }
    //    html
    using (StringWriter writer = new StringWriter())
    {
        doc.Save(writer);
        html = writer.ToString();
    }
    //   html  xml
    StringBuilder xml = new StringBuilder();
    xml.Append("<?xml version=\"1.0\"?><documents><document>");
    xml.Append(html);
    xml.Append("</documents></document>");
    return xml.ToString();
}

, HtmlAgilityPack nuget
doc HtmlDocument html
, , . , style, , , , .
C , StringBuilder xml, .

, , , .

docx xlsx

在C＃中将rtf转换为xml

More articles: