Question

我有以下代码可以使用。

Imports System.IO
Imports System.Net

Module Module1

    Sub Main()

        Dim webClient1 As New WebClient()
        webClient1.Encoding = System.Text.Encoding.ASCII
        webClient1.DownloadFile("http://www.bmreports.com/servlet/com.logica.neta.bwp_MarketIndexServlet?displayCsv=true", "C:\temp\stream.txt")
    End Sub

End Module

这会创建文本文件，但它也会下载所有html文件。如何省略这个并获取页面上显示的文字？

Answer 1

您可以使用Regex从文档中删除所有html标记：

  Dim source as string = File.ReadAllText("C:\temp\stream.txt")

  'Clean html tags
  source = StripTagsRegex(source)

  'Strip function

  Private Function StripTagsRegex(source As String) As String
    Return Regex.Replace(source, "<.*?>", String.Empty)
  End Function

这里有一个正则表达式的例子，它只提取文本：

http://regexr.com?36ori

将网页下载到文本文件

1 个答案: