Question

我已经找了关于使用HTML Agility Pack的教程，因为它似乎做了我想做的所有事情，但似乎对于这样一个强大的工具，它在互联网上几乎没有噪音。

我正在编写一个简单的方法，它将根据名称检索任何给定的标记：

public string[] GetTagsByName(string TagName, string Source) {
    ...
}

这可以使用正则表达式轻松完成，但我们都知道使用正则表达式解析HTML是不对的。到目前为止，我有以下代码：

...
// TODO: Clear Comments (can this be done or should I use RegEx?)
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(Source);
ArrayList tags = new ArrayList();
string xpath = "//" + TagName;
foreach (HtmlTextNode node in doc.DocumentNode.SelectNodes(xpath) {
    tags.Add(node.Text);
}
return (string[])tags.ToArray(typeof(String));

我希望能够首先从HTML中删除所有注释，然后根据其名称返回正确的标记。如果可能的话，我还想根据属性返回某些元标记，例如机器人。我对xpath不太好，所以任何帮助都会很好。

非常感谢任何帮助。

Answer 1

HtmlAgilityPack的HtmlDocument实现IXpathNavigable，因此它使用标准的.NET XPath引擎。任何XPath 1.0文档都适用，特别是如果它涉及System.Xml.XPath。

“// comment（）”查找所有评论 “// meta”找到所有“元”元素

HtmlDocument的设计看起来非常像XmlDocument，因此有关它的示例和教程将有所帮助。

一些MSDN链接：

使用HTML Agility Pack抓取元标记和注释

1 个答案: