Question

我正在使用正则表达式来解析HTML，但是有些文章说HTMLAgilityPack要容易得多。对我来说最大的问题是如何为这个样本（twitter）解析html：

这是HTML代码：

<p class="js-tweet-text tweet-text"> What an awesome day! Adventure nanaman kahapon <a href="http" data-query-source="hashtag_click" class="twitter-hashtag pretty-link js-nav" dir="ltr"><s>#</s><b><strong>ondoy</strong></b></a> <a href="https://twitter.com/search?q=%23eurotel&src=hash" data-query-source="hashtag_click" class="twitter-hashtag pretty-link js-nav" dir="ltr"><s>#</s><b>eurotel</b></a> <a href="https://twitter.com/search?q=%23retail&src=hash" data-query-source="hashtag_click" class="twitter-hashtag pretty-link js-nav" dir="ltr"><s>#</s><b>retail</b></a> <a href="https://twitter.com/search?q=%23family&src=hash" data-query-source="hashtag_click" class="twitter-hashtag pretty-link js-nav" dir="ltr"><s>#</s><b>family</b></a></p>

我希望它输出如下：

“多么棒的一天！冒险nanaman kahapon #ondoy #eurotel #retail #family”

如何解析该HTML代码。我现在正在使用正则表达式，但它显示其他标签，如href。

这是我的正则代码。

           WebClient web = new WebClient(); 
           string html = web.DownloadString(filename);

            MatchCollection m1 = Regex.Matches(html, "<p class=\"js-tweet-text tweet-text\">\\s*(.+?)\\s*</p>", RegexOptions.Singleline);
            foreach (Match m in m1)
            {
                MessageBox.Show(m.Groups[1].Value);
            }

Answer 1

     HtmlWeb p = new HtmlWeb();
     var doc= p.Load(@"link your HTML page");
     var node =  doc.DocumentNode.SelectNodes("//p[@class='js-tweet-text tweet-text']").FirstOrDefault();

     if (node != null)
     {
       Console.WriteLine(node.InnerText);
     }

我自己测试了它，然后打印出来

What an awesome day! Adventure nanaman kahapon #ondoy #eurotel #retail #family"

请注意，如果您要在实际的Twitter页面上运行此代码，则会有多条推文，因此您需要对上面发布的代码进行一些修改。但这应该会让你对如何使用它有个好主意。

如何使用HTML Agility包解析HTML

1 个答案: