У меня есть проект, который будет принимать такие входные данные, как (html, sgml, xml и txt).
У меня нет проблем с анализом файлов XML и txt. Не могли бы вы предложить некоторые инструменты, которые я могу использовать для анализа файлов html или sgml.
Для парсера HTML используйте HTML Agilty Pack — это парсер HTML с открытым исходным кодом для .NET.
Что такое Html Agility Pack (HAP)?
Это гибкий анализатор HTML, который создает DOM для чтения/записи и поддерживает простой XPATH или XSLT (на самом деле вам не нужно понимать XPATH или XSLT, чтобы использовать его, не волнуйтесь...). Это библиотека кода .NET, которая позволяет анализировать HTML-файлы «вне Интернета». Парсер очень терпим к искаженному HTML «реального мира». Объектная модель очень похожа на то, что предлагает System.Xml, но для HTML-документов (или потоков).
Вы можете использовать это для запроса HTML и извлечения любых данных, которые вы хотите.
Для парсера SGML
Проверьте эту ссылку, SGMLReader - конвертируйте любой HTML в действительный XML:
http://developer.mindtouch.com/Community/SgmlReader
Ссылка: рекомендации парсера SGML .NET
Для синтаксического анализа HTML я не могу порекомендовать ничего другого, кроме http://htmlagilitypack.codeplex.com/ и, поскольку SGML в основном то же самое, но с другими элементами, которые вы могли бы использовать и для этого.
