Category Archives: PageReleaser

开源的网页输出工具

XHTML解析的实体问题

Posted on 2010/01/03 by 书剑生活

我在《集成Html Tidy》一文中说过使用HtmlTidy转换HTML以方便使用XML解析器解析，事实上，并没有那么简单，随便解析几个XHTML就会碰到解析异常的问题，错误是“Reference to undeclared entity ‘nbsp’”。 查找原因发现，在XML中，除了&lt; &gt; &amp; &apos; &quot;以外，其他如&nbsp;之类的实体必须通过DTD或其他方式定义。Html Tidy转换出的XHTML并没有显式定义这些实体，而是采用类似以下的定义： <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> 在这个DTD中会定义如&nbps;之类的实体，但由于需要到W3C的网站上去获取这些定义，所以XML解析器默认会忽略这些定义，就导致没有定义的异常。 不过在.net中提供了XmlResolver类帮助处理这种情况，而我们需要做的就是重写这个类，并将XHTML中定义的DTD重新指向我们指定的某个位置，如上的情况操作如下： 1. 下载http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd 2. 将下载的dtd作为资源放入程序中 3. 重写XmlResolver类，增加判断，当传入的路径为"-//W3C//DTD XHTML 1.0 Transitional//EN" 时就以流方式返回资源中的DTD 4. 创建XmlReader，并将重载的XmlResolver设置在XmlReader中 5. 使用该XmlReader装载解析XHTML 完成以上步骤，再解析XHTML就不会再有异常出现了。当然XHTML的DTD定义不止这一种，为了兼容起见，最好将所有的DTD定义都按以上的步骤加入程序中。 具体实现代码可以参考我的开源项目：Page Releaser

Posted in PageReleaser, 我爱开源 | Tagged , , | Leave a comment

实现HTML的简单压缩

Posted on 2009/12/21 by 书剑生活

PageReleaser需要一种HTML的压缩算法，Google了很久，发现如果只是简单去除空白和注释的话，使用XLinq就可以轻易的实现 先看看MSDN是怎么说的： 一种常用方案是读取缩进的 XML，在内存中创建一个没有任何空白文本节点（即不保留空白）的 XML 树，对该 XML 执行某些操作，然后保存带缩进的 XML。在序列化带格式的 XML 时，只保留 XML 树中有意义的空白。这是 LINQ to XML 的默认行为。 另一个常见的情况是读取和修改已经有意缩进的 XML。您可能不想以任何方式更改这种缩进。若要在 LINQ to XML 中执行此操作，您要在加载或解析 XML 时保留空白，并在序列化 XML 时禁用格式设置。 简单的说，XDocument载入时，默认使用LoadOptions::None，自动去掉XML的空白；保存时，默认使用SaveOptions::None，自动格式化XML。 也就是说，使用XDocument将一个HTML文档打开什么也不作就保存，其实等于实现了HTML的格式化。 而如果在保存时，使用SaveOptions::DisableFormatting参数，看似要保存XML的空白，由于载入时所有空白都被删掉了，其实等于删除了所有空白，于是去掉空白就这样实现了。 至于删掉注释也很简单，只是需要注意，一般页面嵌入JavaScript会使用注释节点包裹，需要例外处理。 整个HTML压缩代码如下： var nodes = from s in doc.DescendantNodes() where … Continue reading →

Posted in C#, PageReleaser, XML | Tagged , , | Leave a comment

开源项目：Page Releaser

Posted on 2009/12/18 by 书剑生活

使用js框架+Ajax模式的开发，总会造成大量的js文件导致网站传输效率降低，尤其在网络状况不佳的环境很容易出现整个网页无法使用，就如IE的那个经典错误，对象不支持此属性或方法。 js压缩合并的工具很多，我也基于JsMin做过JsMin#。不过因为调试的需要，仍然需要维护一个调试用得HTML，里面引用所有未压缩的js；再维护一个发布用得HTML，用来引用合并后的js。每次更新网页都非常不方便。 此后，开始构思更好的方法，于是有了Page Releaser的构想。 Page Releaser借鉴了C++中Release的概念，通过解析HTML提取js和css信息，并对它们进行压缩，合并，嵌入，再依照处理结果重新构建HTML，最终生成一套完整的发布版本。之所以叫Page，是因为它每次只处理一个HTML。（本来打算叫WebReleaser，但多HTML会牵涉到资源网页间共用的问题，比较复杂，自动化结果会很难评估。不过好在，像ExtJS这样的大型框架，任何应用一个HTML就够了:） Page Releaser的终极目标是将包含一个HTML，N个JS，N个CSS，N个图片的网站，最终压缩成一个HTML和一个图片，以最大的减少浏览器因为建立连接造成的效率浪费。 当然，浏览器建立最少的连接并不意味着网站就有最优化的效果，比如一张1000*1的图片和一张1*1000的图片无论怎么合并，生成新图片都会比原来的图片大得多，所以Page Releaser也提供各种参数以便产生针对性的最好效果。 目前放出的版本只是实现了js的压缩，合并，嵌入以及css的合并，嵌入，其他功能将逐步加入 Page Releaser安装 当然按照惯例，小工具一概开源，大家也可以自行下载代码编译： Page Releaser源码

Posted in PageReleaser, 我爱开源 | Tagged , , | Leave a comment