老田低代码

提示：根据这几天的访问量跟踪，我发现很多访者都没有很好地关注到真正进行算法描述的章节《解析Html生成标签树（一）》，特此进行提示。搜索引擎一个最重要的步骤就是，获得网页的正文内容，我相信每个人看见一篇网页的时候，从视觉上都很容易知道哪个部分是正文内容，哪个部分是版权信息，哪个部分是广告信息。但是要让计算机明白这些，估计要若干年（到时候还不知道人类是否已经变异成4只眼睛，5个耳朵。。。）之

在抓取页面的过程中，在存储抓取到的页面内容的时候我需要先将页面压缩再存储，为了使用上的方便，采用了2.0下的GZipStream来进行压缩。引用如下：using System.IO;using System.IO.Compression;......public static byte[] Compress(byte[] data){    Memory

解析Html成标签树结构以后，我们不但可以很容易取得想要的元素，同时也很容易将Html转换成对应的XML文件。但是由于代码是在公司写的，所以没有粘贴出来的可能性，所以我只能给出大概的代码流程，具体细节描述，相信各位都很容易写出来，并且写的比我好，关键的是算法实现思想。算法的关键如下： 1.         Html中每个tag都是都将作为树中的一个节点存在的，每个tag都属于树中的某一层。