用于.NET的HTML解析库

Question

我正在寻找解析HTML的库来提取链接，表单，标签等。

• http://www.majestic12.co.uk/projects/html_parser.php
• http://www.netomatix.com/Products/DocumentManagement/HtmlParserNet.aspx
• http://www.developer.com/net/csharp/article.php/2230091

LGPL或任何其他商业开发友好许可证更可取。

您是否有过使用其中一个库的经验？或者你能推荐另一个类似的图书馆吗？

Answer 1

HTML Agility Pack有这类事物的例子，并使用xpath进行熟悉的查询 - 例如（来自主页），简单地查找所有链接：

foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a@href")) {
    //...
}

---

修改

截至2012年6月19日，上面的代码以及 HTML Agility Pack Examples 页面上显示的唯一代码示例将无效。只需略微调整，如下所示。

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

foreach (HtmlNode link in doc.DocumentNode.SelectNodes("//a[@href]"))
{
  HtmlAttribute att = link.Attributes["href"];
  att.Value = Foo(att); // fix the link
}
doc.Save("file.htm");