解析HTML最大的问题是不能使用标准的XML解析器，虽然很多新的网站开始逐步改用规范的XHTML，但只有出现一个<br>就会导致整个解析过程的失败，而好的HTML解析器却不是那么容易找到的，所以转换或许也是一个很好的选项

在google这个问题的时候，发现一个好东西HTML Tidy，W3C出品的，开源的小工具，可以将HTML转换成XHTML或XML

HTML Tidy提供了编译好的exe文件，所以最初尝试在程序中通过进程方式直接调用，转换的速度很快，不过会出现一个控制台的黑窗口，大量处理时会比较麻烦。

后来查找Tidy的衍生库，发现EfTidy.net。EfTidy.net采用Warp技术，将C++的库直接引入到C#的项目中，用C#调用非常简单。可惜的是，这明显是老外的作品，没有考虑编码的问题，中文会被自动转换为类似#C2C8;这样的Unicode编码，显然这是无法忍受的。

之后又找到了Tidy的纯C#代码编写的库Tidy.net，虽然版本有点老且很难随Tidy的源版更新，不过毕竟是同源的C#代码，什么编码，语言之类的问题统统不存在，于是集成转换的问题解决了。

P.S. Tidy有很多各种各样的库，还有如Mark Tidy之类的，各有特点，大家有空可以试试，好用的话记得推荐给我哦:)