欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

[C#]Google Chrome 书签导出并生成 MHTML 文件

程序员文章站 2022-04-12 12:47:15
目的 因为某些原因需要将存放在 Google Chrome 内的书签导出到本地,所幸 Google Chrome 提供了导出书签的功能。 分析 首先在 Google Chrome 浏览器当中输入 来到书签管理页面,找到最右侧的三个点,选择导出书签,导出的文件是一个 HTML 文件,里面包含了所有书签 ......

目的

因为某些原因需要将存放在 Google Chrome 内的书签导出到本地,所幸 Google Chrome 提供了导出书签的功能。

分析

首先在 Google Chrome 浏览器当中输入 chrome://bookmarks 来到书签管理页面,找到最右侧的三个点,选择导出书签,导出的文件是一个 HTML 文件,里面包含了所有书签的层级结构等信息。

使用 Notepad++ 打开该文件之后可以看到里面的内容如下:
[C#]Google Chrome 书签导出并生成 MHTML 文件

粗略一看貌似没什么问题,其实在里面的 <DT><P> 都缺少了闭合标签,所以在解析的时候需要将其去除掉。去除掉之后的 HTML 文件结构大概像这样:

<DL>
    <H3>文件夹标题</H3>
    <DL>
        <H3>子文件夹标题</H3>
        <A HREF="书签地址">子文件夹书签1</A>
        <A HREF="书签地址">子文件夹书签2</A>
    </DL>
    <A HREF="书签地址">书签1</A>
    <A HREF="书签地址">书签2</A>
</DL>

可以很明显看到这里是有一个层级关系的,所以我们可以通过递归来生成一个树形模型,生成之后,再遍历这个模型来根据这个树形结构来创建 MHTML 文件,并且进行归类。

实现

操作 HTML 文件在 .Net 下有一个很方便的第三方库,名字叫做 HtmlAgilityPack,通过这个库我们可以很方便地操作 HTML 文档,就跟 DOM 一样方便,而且它支持 XPath 选取。

项目地址:http://html-agility-pack.net/
GitHub 地址:https://github.com/zzzprojects/html-agility-pack
Nuget 地址:https://www.nuget.org/packages/HtmlAgilityPack/

通过 Nuget 安装该包到项目当中,引入 HtmlAgilityPack 命名空间,就可以开始编写代码了。

1.编写 HtmlResolver 解析器

建立一个 HtmlResolver 类,该类用于解析 Chrome 导出的书签:

public class HtmlResolver
{
    private HtmlDocument _htmlDocument = new HtmlDocument();

    /// <summary>
    /// 初始化 HTML 解析器
    /// </summary>
    /// <param name="htmlPath">Google Chrome 导出的书签 HTML 路径</param>
    public HtmlResolver(string htmlPath)
    {
        using (FileStream htmlFileStream = File.Open(htmlPath, FileMode.Open))
        {
            using (StreamReader htmlReader = new StreamReader(htmlFileStream))
            {
                // 移除干扰标签
                string htmlStr = htmlReader.ReadToEnd();
                htmlStr = htmlStr.Replace(@"<DT>", string.Empty).Replace(@"<p>", string.Empty);

                // 加载 HTML
                _htmlDocument.LoadHtml(htmlStr);
            }
        }
    }
}

在对象初始化的时候要求提供 Google Chrome 导出的书签 HTML 文件路径,并且读入 HTML 文件数据的时候移除掉之前所说的 <DT><P> 标签,方便后面 HtmlAgilityPack 进行解析,移除之后,HtmlDocument 通过 HTML String 初始化。

2.创建书签模型

当我们递归完成之后需要将数据存储在书签模型当中,方便后面生成 MHTML 文件的时候使用。

/// <summary>
/// 书签模型
/// </summary>
public class BookMarkModel
{
    /// <summary>
    /// 初始化书签模型
    /// </summary>
    /// <param name="name">书签名称</param>
    /// <param name="path">书签路径</param>
    /// <param name="url">绑定的 URL</param>
    /// <param name="childNodes">子节点集合</param>
    public BookMarkModel(string name, string path, string url = null, List<BookMarkModel> childNodes = null)
    {
        Name = name;
        Url = url;
        ChildNodes = childNodes;
        Path = path;
    }

    /// <summary>
    /// 书签名称
    /// </summary>
    public string Name { get; set; }
    /// <summary>
    /// 绑定的 URL
    /// </summary>
    public string Url { get; set; }
    /// <summary>
    /// 书签路径
    /// </summary>
    public string Path { get; set; }
    /// <summary>
    /// 子节点集合,如果没有则为 NULL
    /// </summary>
    public List<BookMarkModel> ChildNodes { get; set; }
}

该模型是一个典型的树形结构,之后我们就开始递归生成书签模型了。

3.递归生成树形模型

递归算法自己一直不太会写,写好这一个递归方法基本都花费了半天的时间 :P,后面打算恶补数学和算法这块了。下面先上代码再解释原理:

/// <summary>
/// 递归生成书签模型
/// </summary>
/// <param name="node">父级节点</param>
/// <param name="parentPath">父级节点 Path</param>
private List<BookMarkModel> RecursionGenerate(HtmlNode node, string parentPath)
{
    List<BookMarkModel> bookMarkModels = new List<BookMarkModel>();

    // 获取所有文件夹标题与其下属节点,以便递归查询其子节点
    var bookMarkFolderTitles = node.SelectNodes("h3")?.Cast<HtmlNode>().ToList();
    var bookMarkFolder = node.SelectNodes("dl")?.Cast<HtmlNode>().ToList();

    var htmlBookMarks = node.SelectNodes("a");

    // 如果文件夹不存在则直接将所有具体书签返回
    if (bookMarkFolderTitles == null || bookMarkFolder == null)
    {
        return GenerateBookMarkModels(htmlBookMarks, parentPath);
    }

    // 递归构建书签模型
    for (int i = 0; i < bookMarkFolderTitles.Count; i++)
    {
        BookMarkModel bookMark = new BookMarkModel(bookMarkFolderTitles[i].InnerText, $@"{parentPath}\{bookMarkFolderTitles[i].InnerText}.mhtml");

        bookMark.ChildNodes = RecursionGenerate(bookMarkFolder[i], bookMark.Path);
        List<BookMarkModel> bookmarks = GenerateBookMarkModels(htmlBookMarks, parentPath);
        if (bookmarks != null) bookMark.ChildNodes?.AddRange(bookmarks);

        bookMarkModels.Add(bookMark);
    }

    return bookMarkModels;
}

首先说说 RecursionGenerate(HtmlNode node,string parentPath) 方法,这个方法接收一个节点参数,这个节点就是需要遍历的节点,而 parentPath 则是用于生成路径的,在每次构建书签模型的时候都会根据父级路径来生成新的路径。

如果要获取某个节点下面的子节点,肯定要拿到该节点下属的所有节点,可以参考上面的大概结构,一般一个书签文件夹下面都会有一个或多个子文件夹,也有可能会有部分书签与这些子文件夹同级。

所以,我们先提取出当前节点的文件夹名称,也就是 <H3> 标签里面的内容,然后只要有一个 <H3> 标签,那他肯定有一个对应的 <DL> 标签表示包裹着它的子节点内容。如果某个节点它的内部没有子文件夹的话,那直接抓取其内部的具体书签,并返回出来。

如果某个节点拥有子文件夹的话,遍历其内部,并且再次调用 RecursionGenerate 方法,将其内部节点添加到这个节点的 Childern 当中。

注意,这里在循环内部还再次进行了获取具体书签的操作,因为有的时候某个节点内部也是拥有具体书签项的,所以这里才会有 List<T>.AddRange(IEnumerable<T> list) 操作。

具体书签生成:

/// <summary>
/// 将 A 标签的集合转换为 BookMarkModel 集合
/// </summary>
/// <param name="nodes">A 标签节点集合</param>
/// <returns>转换完成的 Node 集合</returns>
private List<BookMarkModel> GenerateBookMarkModels(HtmlNodeCollection nodes, string parentPath)
{
    if (nodes == null) return null;

    List<BookMarkModel> bookmarks = new List<BookMarkModel>();

    foreach (var node in nodes)
    {
        bookmarks.Add(new BookMarkModel(node.InnerText, $@"{parentPath}\{node.InnerText}.mhtml", node.Attributes["href"].Value));
    }

    return bookmarks;
}

具体书签的生成就很简单了,直接构建即可,这里会在其末尾添加 .mhtml 后缀。

4.根据生成的书签模型来产生 MHTML 文件

这里可以参考以下实现:
https://code.msdn.microsoft.com/windowsdesktop/Creating-a-MHTML-MIME-HTML-61cf5dd1

目前程序还没有实现这一个功能,因为使用 CDO 的方法不太方便,而且生成的 MHT 文件样式丢失严重,并不像 Google Chrome 保存的 mht 文件那样完整。

后续再来填坑。

结尾

项目地址:http://git.myzony.com/Zony/GoogleBookmarkExportTool