Question

我想解析一个HTML文档，并将每个段落作为单独的条目打印到日志文件中。到目前为止，我有：

let parseTextFile (path) =
        let fileText = File.ReadAllText(path)
        fileText.Split('<p>') |> Seq.iter (fun m -> logEmail(m))

但不幸的是对我来说string.Split没有做我想要的事情，似乎存在用单个字符分隔符分割字符串。如何使用多个单个字符分割文件，拥有更多内容而不仅仅是＆lt; p＆gt;因为我只有一个＆lt; / p＆gt;在该段末尾。使用正则表达式或某种复杂的匹配器，我可以更具体地选择＆lt; p＆gt;之间的所有内容。标签

Answer 1

尝试使用特定的库来解析html，例如HtmlAgilityPack。

Answer 2

正如wmeyer所说，你需要在字符串上使用.Split()方法的不同重载。实际上，您发布的代码甚至不会编译，因为'<p>'不是字符串文字 - 您需要使用"<p>"代替（单引号用于字符文字）。

以下是如何使用.Split()的正确重载：

open System.IO

let parseTextFile path =
    let fileText = File.ReadAllText path
    fileText.Split ([| "<p>"; |], System.StringSplitOptions.RemoveEmptyEntries)
    |> Seq.iter logEmail

在F＃Interactive中进行快速测试：

> "First paragraph<p>Second paragraph.<p><p>Third paragraph.<p>"
   .Split ([| "<p>"; |], System.StringSplitOptions.RemoveEmptyEntries);;
val it : string [] =
  [|"First paragraph"; "Second paragraph."; "Third paragraph."|]

最后，正如@ntr所说 - 使用像HTML Agility Pack这样的库来解析HTML，你会更好，更多更好。他们的解析器非常强大，可以为您节省很多麻烦。

f＃按标签分割html

2 个答案: