HTML的語法格式比XML寬松多了，真正XML格式的網頁是XHTML，也就是下壹代HTML，他的格式和XML差不多，很嚴謹的。
如果妳不想利用某些HTML和XML互轉工具，自己編的話，有壹定難度。
1.HTML的節點可以沒末節點，妳需要不停掃描<,>,/,這三個符號以檢查是否漏掉末節點，並補充。
2.HTML節點還可以不規則嵌套，妳需要對已讀入節點進行順序存儲，或用棧的數據結構來存儲，並驗證其層次正確性，最終正確順序的節點，期間還得緩存節點值，或屬性值。
3.HTML不同於XML，許多HTML節點有特殊的意義，許多HTML節點比如<b>,<hr/>都需要經過特殊處理才行。
在技術上，為保證性能，還要在壹下方面有加強。
1.強大的字符串掃描，和解析器，此工作也巨大，但網上源碼很多，建議到google英文裏搜索，HTML parser，XML parser（解析器），有很多c#，java，c++的源代碼可以利用，沒有強大的解析器，跟本無法讀懂文件。
2.System.Xml空間的詳細運用，除了簡單的XMLWriter，還必須學會XMLDocument，XmlNode，能夠動態操控XML。還有Xpath技術，操作XMl很有效率。
3.適當還會運用到正則表達式，來處理字符串匹配問題，尤其是節點的操作，即使是再好的字符串查找算法，有時也不如正則表達式，因此system.Text 中的Regex類要掌握好。
4.會控制WinForm中的WebBrower控件
當然，即使妳不打算自己做，或已找到了源代碼，要想讀懂，也必須要以上的知識。
至於工具，網上有，源碼還哪找，有java的，但下載不下來。
這是著名的W3C（Html，xml等技術的創始組織）的轉換工具，裏面也有壹些介紹，相信會有用的。
/downloads.asp
/csharp/html2xml.asp
還有壹些軟件，stylus的產品不錯！
/html_to_xml_importer.html