需要的建议：在C＃中解析HTML的最佳方式

Question

这是我的问题。哪种方法是从HTML页面中提取某些信息的最佳方式。 我目前做的是以下内容：

1. 使用WebClient

下载页面

2. 使用UTF8Encoding

将接收的数据转换为字符串

3. 将字符串转换为XML

4. 使用.NET Framework中的Xml相关类提取所需数据

这是我目前以概括的形式做的事情。谁知道另一种方法？什么可以更快或更容易？

最诚挚的问候， 基里尔

PS：我听说过一个名为Watin

的测试框架

允许你做类似的事情，但没有多研究

Answer 1

听起来你已经弄明白了如何获取页面数据（这是最简单的部分）。

对于其他人，我用于此类任务的最佳托管库是HTML Agility Pack。它是开源的，非常成熟，完全用.NET编写。它处理格式错误的HTML，可以通过两种不同的方式完成您的需求：

• 本机支持对HTML DOM进行XPATH和类似XML的查询。它旨在模仿.NET的XML库，因此您可以使用.NET对XML进行任何操作，您可以使用它来对付HTML。

• 支持从HTML生成有效的XML，因此您可以使用任何XML工具。

Answer 2

对于您的解析需求，我建议使用HTML Agility Pack。

要实际检索HTML，请使用WebRequest类

Answer 3

除非你正在使用完美形成的XHTML正则表达式将更适合解析html？

Watin允许您通过IE在网页上编写按钮点击，脚本调用等脚本（它可以使用其他浏览器不确定吗？）。我不认为这会实现你想要的。

Answer 4

通过使用我相信的WebClient.DownloadString方法，可以稍微简化一下。

有关解析的详细信息，请参阅其他答案，因为我还没有尝试过HTML Agility Pack。