在C#中解析html的最佳方法是什么？

Question

在C#中解析html的最佳方法是什么？我正在寻找一个库/方法来解析一个html文件，它比一般的XML解析库具有更多的html特定特性。

Answer 1

您可以使用TidyNetTidy将HTML转换为XHTML，然后使用XML解析器。

另一种选择是使用内置引擎mshtml：

using mshtml;...object[] oPageText = { html };HTMLDocument doc = new HTMLDocumentClass();IHTMLDocument2 doc2 = (IHTMLDocument2)doc;
doc2.write(oPageText);

这允许您使用类似javascript的函数，如getElementById()

Answer 2

HTML敏捷包

这是一个敏捷的HTML解析器，它构建了一个读/写DOM，并支持普通的XPath或XSLT(您实际上不需要理解XPath或XSLT就可以使用它，不要担心.)。它是一个.NET代码库，允许您解析“走出Web”HTML文件。解析器对“真实世界”格式错误的HTML非常宽容。对象模型与System.Xml非常相似，但适用于HTML文档(或流)。