Question

我需要使用C＃获取HTML文件的body标签内的所有内容。有没有好的有效方法呢？

Answer 1

查看HTML Agility Pack以执行各种HTML操作

它为您提供了一个类似于XmlDocument XML处理界面的界面：

 HtmlDocument doc = new HtmlDocument();
 doc.Load("file.htm");

 HtmlNode bodyNode = doc.DocumentNode.SelectSingleNode("/html/body");

 if(bodyNode != null)
 {
    // do something
 }

Answer 2

您可以查看SgmlReader和HTML Agility Pack。

Answer 3

它很容易将页面代码拉入字符串，只需搜索字符串“＆lt; body”和字符串“＆lt; / body”的出现，然后只需做一些数学运算即可得到你的价值。 ..

Answer 4

在没有HtmlAgility软件包的情况下使用C＃将HTML结构读入HTML字符串并获取正文标签内容

       private void Button_Click(object sender, RoutedEventArgs e)
        {
            string filepath = @"C:\Users\Testing\Documents\sample1.txt";
            string htmlString = File.ReadAllText(filepath);
            string htmlTagPattern = "<.*?>";
            Regex oRegex = new Regex(".*?<body.*?>(.*?)</body>.*?", RegexOptions.Multiline);
            htmlString = oRegex.Replace(htmlString, string.Empty);
            htmlString = Regex.Replace(htmlString, htmlTagPattern, string.Empty);
            htmlString = Regex.Replace(htmlString, @"^\s+$[\r\n]*", "", RegexOptions.Multiline);
            htmlString = htmlString.Replace("&nbsp;", string.Empty);
        }

Answer 5

如果碰巧是XHTML，那么你可以使用XPath。

Answer 6

使用XML方法，XPath。使用HTML Agility pack进行更高级的操作。

使用C＃读取HTML文件的标签

6 个答案: