[C#]Google Chrome 書簽導出並生成 MHTML 文件

目的因為某些原因需要將存放在 Google Chrome 內的書簽導出到本地，所幸 Google Chrome 提供了導出書簽的功能。分析首先在 Google Chrome 瀏覽器當中輸入來到書簽管理頁面，找到最右側的三個點，選擇導出書簽，導出的文件是一個 HTML 文件，裡面包含了所有書簽 ...

目的

因為某些原因需要將存放在 Google Chrome 內的書簽導出到本地，所幸 Google Chrome 提供了導出書簽的功能。

分析

首先在 Google Chrome 瀏覽器當中輸入 chrome://bookmarks 來到書簽管理頁面，找到最右側的三個點，選擇導出書簽，導出的文件是一個 HTML 文件，裡面包含了所有書簽的層級結構等信息。

使用 Notepad++ 打開該文件之後可以看到裡面的內容如下:

粗略一看貌似沒什麼問題，其實在裡面的 <DT> 與 <P> 都缺少了閉合標簽，所以在解析的時候需要將其去除掉。去除掉之後的 HTML 文件結構大概像這樣:

<DL>
    <H3>文件夾標題</H3>
    <DL>
        <H3>子文件夾標題</H3>
        <A HREF="書簽地址">子文件夾書簽1</A>
        <A HREF="書簽地址">子文件夾書簽2</A>
    </DL>
    <A HREF="書簽地址">書簽1</A>
    <A HREF="書簽地址">書簽2</A>
</DL>

可以很明顯看到這裡是有一個層級關係的，所以我們可以通過遞歸來生成一個樹形模型，生成之後，再遍歷這個模型來根據這個樹形結構來創建 MHTML 文件，並且進行歸類。

實現

操作 HTML 文件在 .Net 下有一個很方便的第三方庫，名字叫做 HtmlAgilityPack，通過這個庫我們可以很方便地操作 HTML 文檔，就跟 DOM 一樣方便，而且它支持 XPath 選取。

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

通過 Nuget 安裝該包到項目當中，引入 HtmlAgilityPack 命名空間，就可以開始編寫代碼了。

1.編寫 HtmlResolver 解析器

建立一個 HtmlResolver 類，該類用於解析 Chrome 導出的書簽:

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

    /// <summary>
    /// 初始化 HTML 解析器
    /// </summary>
    /// <param name="htmlPath">Google Chrome 導出的書簽 HTML 路徑</param>
    public HtmlResolver(string htmlPath)
    {
        using (FileStream htmlFileStream = File.Open(htmlPath, FileMode.Open))
        {
            using (StreamReader htmlReader = new StreamReader(htmlFileStream))
            {
                // 移除干擾標簽
                string htmlStr = htmlReader.ReadToEnd();
                htmlStr = htmlStr.Replace(@"<DT>", string.Empty).Replace(@"<p>", string.Empty);

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

在對象初始化的時候要求提供 Google Chrome 導出的書簽 HTML 文件路徑，並且讀入 HTML 文件數據的時候移除掉之前所說的 <DT> 與 <P> 標簽，方便後面 HtmlAgilityPack 進行解析，移除之後，HtmlDocument 通過 HTML String 初始化。

2.創建書簽模型

當我們遞歸完成之後需要將數據存儲在書簽模型當中，方便後面生成 MHTML 文件的時候使用。

/// <summary>
/// 書簽模型
/// </summary>
public class BookMarkModel
{
    /// <summary>
    /// 初始化書簽模型
    /// </summary>
    /// <param name="name">書簽名稱</param>
    /// <param name="path">書簽路徑</param>
    /// <param name="url">綁定的 URL</param>
    /// <param name="childNodes">子節點集合</param>
    public BookMarkModel(string name, string path, string url = null, List<BookMarkModel> childNodes = null)
    {
        Name = name;
        Url = url;
        ChildNodes = childNodes;
        Path = path;
    }

    /// <summary>
    /// 書簽名稱
    /// </summary>
    public string Name { get; set; }
    /// <summary>
    /// 綁定的 URL
    /// </summary>
    public string Url { get; set; }
    /// <summary>
    /// 書簽路徑
    /// </summary>
    public string Path { get; set; }
    /// <summary>
    /// 子節點集合，如果沒有則為 NULL
    /// </summary>
    public List<BookMarkModel> ChildNodes { get; set; }
}

該模型是一個典型的樹形結構，之後我們就開始遞歸生成書簽模型了。

3.遞歸生成樹形模型

遞歸演算法自己一直不太會寫，寫好這一個遞歸方法基本都花費了半天的時間 :P，後面打算惡補數學和演算法這塊了。下麵先上代碼再解釋原理:

/// <summary>
/// 遞歸生成書簽模型
/// </summary>
/// <param name="node">父級節點</param>
/// <param name="parentPath">父級節點 Path</param>
private List<BookMarkModel> RecursionGenerate(HtmlNode node, string parentPath)
{
    List<BookMarkModel> bookMarkModels = new List<BookMarkModel>();

    // 獲取所有文件夾標題與其下屬節點，以便遞歸查詢其子節點
    var bookMarkFolderTitles = node.SelectNodes("h3")?.Cast<HtmlNode>().ToList();
    var bookMarkFolder = node.SelectNodes("dl")?.Cast<HtmlNode>().ToList();

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

    // 如果文件夾不存在則直接將所有具體書簽返回
    if (bookMarkFolderTitles == null || bookMarkFolder == null)
    {
        return GenerateBookMarkModels(htmlBookMarks, parentPath);
    }

    // 遞歸構建書簽模型
    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;
}

首先說說 RecursionGenerate(HtmlNode node,string parentPath) 方法，這個方法接收一個節點參數，這個節點就是需要遍歷的節點，而 parentPath 則是用於生成路徑的，在每次構建書簽模型的時候都會根據父級路徑來生成新的路徑。

如果要獲取某個節點下麵的子節點，肯定要拿到該節點下屬的所有節點，可以參考上面的大概結構，一般一個書簽文件夾下麵都會有一個或多個子文件夾，也有可能會有部分書簽與這些子文件夾同級。

所以，我們先提取出當前節點的文件夾名稱，也就是 <H3> 標簽裡面的內容，然後只要有一個 <H3> 標簽，那他肯定有一個對應的 <DL> 標簽表示包裹著它的子節點內容。如果某個節點它的內部沒有子文件夾的話，那直接抓取其內部的具體書簽，並返回出來。

如果某個節點擁有子文件夾的話，遍歷其內部，並且再次調用 RecursionGenerate 方法，將其內部節點添加到這個節點的 Childern 當中。

註意，這裡在迴圈內部還再次進行了獲取具體書簽的操作，因為有的時候某個節點內部也是擁有具體書簽項的，所以這裡才會有 List<T>.AddRange(IEnumerable<T> list) 操作。

具體書簽生成:

/// <summary>
/// 將 A 標簽的集合轉換為 BookMarkModel 集合
/// </summary>
/// <param name="nodes">A 標簽節點集合</param>
/// <returns>轉換完成的 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;
}

具體書簽的生成就很簡單了，直接構建即可，這裡會在其末尾添加 .mhtml 尾碼。