Question

我想解析一个html页面并从中获取一个特定的值。如何在C＃中使用Linq或字符串解析来完成此操作？

-------------更多HTML ----------

     <span class="date">
        04.09.2012
    </span>
    <table cellspacing="0"><tr><th scope="row">1 EUR</th><td><span>**4,4907**</span></td><td><span class="rise">+0,0009</span></td><td><span class="rise">+0,02%</span></td></tr><tr><th scope="row">1 USD</th><td><span>3,5635</span></td><td><span class="fall">-0,0093</span></td><td><span class="fall">-0,26%</span></td></tr></table>

-------------更多HTML ----------

我有兴趣以粗体显示值4,4907！

知道如何实现这个目标吗？

谢谢！

Answer 1

如果您只需要该位，请使用正则表达式。（But don't use a regular expression to parse more complex HTML.）

<td><span>4,4907</span></td>

通过正则表达式

可以最方便地匹配

<td><span>([0-9,]+)</span></td>

例如，请参阅this quickly Googled page，了解如何在C＃中使用regexps。

Answer 2

尝试解析HTML时要小心。

我认为显而易见的方法是将其加载到XDocument（作为XML）中，但由于HTML通常含糊不清或包含语法错误，因此必然会失败。

这里的堆栈溢出的人反而建议使用http://htmlagilitypack.codeplex.com/，据说它可以很好地解析html。然后，您可以使用xpath查询文档中的各种内容。

Answer 3

你可以用这种方式在C＃中试用正则表达式：

http://www.c-sharpcorner.com/UploadFile/prasad_1/RegExpPSD12062005021717AM/RegExpPSD.aspx

查找“＆lt; span＆gt; * ”和“ *＆lt; / span＆gt;”之间的字符串。

或者您可以使用像“jericho”这样的HTML解析器，并浏览HTML标记以达到您的价值。

Linq解析html字符串

3 个答案: