Question

可能重复：
Parsing web pages

我试图在C＃中解析网页的内容。这是我使用的代码：

WebRequest request = WebRequest.Create("URL");
WebResponse response = request.GetResponse();
Stream data = response.GetResponseStream();
string html = String.Empty;
using (StreamReader sr = new StreamReader(data))
{
    html = sr.ReadToEnd();
}

但问题是我获得了html包含的所有数据。

您对如何以“干净”方式获取有用数据有任何建议，或者我必须构建自己的解析器吗？例如：包含标题和与之相关的文本的帖子，类似于博客的格式。

Answer 1

如果你确实试图从网页上解析博客帖子不这样做，甚至不要考虑使用HTML Agility Pack。

相反，您应该使用已构建到.Net框架中的SyndicationFeed及相关类（自v3.5起）。这些是为消费和拆分RSS提供量身定制的。

Answer 2

只需使用Html Agility Pack即可。它太强大了！

您可以在互联网上找到许多教程，例如http://runtingsproper.blogspot.fr/2009/09/htmlagilitypack-article-series.html

Answer 3

使用Regex。要解析两个标签之间的数据（我假设你想做），你可以做一些这样的事情：

string match = Regex.Match(data, string.Format("<a>(?<inbetween>.+?)</a>")).Groups["inbetween"].Value;

使用Regex，与敏捷包不同，不需要外部依赖，这对于便携式独立应用程序非常有用。

在C＃中解析网页的有用内容

3 个答案: