Linq解析html字符串

Question

我想解析一個html頁面並從中獲取特定值。我如何使用Linq或C＃中的字符串解析來做到這一點？

-------------更多HTML ----------

 <span class="date"> 
     04.09.2012 
    </span> 
    <table cellspacing="0"><tr><th scope="row">1 EUR</th><td><span>**4,4907**</span></td><td><span class="rise">+0,0009</span></td><td><span class="rise">+0,02%</span></td></tr><tr><th scope="row">1 USD</th><td><span>3,5635</span></td><td><span class="fall">-0,0093</span></td><td><span class="fall">-0,26%</span></td></tr></table> 

-------------更多HTML ----------

我有興趣獲得價值4,4907以粗體顯示！

任何想法如何實現這一目標？

謝謝！

Answer 1

如果您只需要那一點，請使用正則表達式。 （But don't use a regular expression to parse more complex HTML.）

<td><span>4,4907</span></td> 

將由正則表達式

<td><span>([0-9,]+)</span></td> 

最方便的匹配，例如見this quickly Googled page如何使用正則表達式用C＃。

Answer 2

您可以嘗試在C＃中的正則表達式是這樣的：

http://www.c-sharpcorner.com/UploadFile/prasad_1/RegExpPSD12062005021717AM/RegExpPSD.aspx

找到 「< SPAN> * 」 之間的字符串 「 * </SPAN>」。

或者您可以使用HTML解析器（如「jericho」）並瀏覽HTML標籤以獲得您的價值。

Answer 3

試圖解析HTML時要小心。

我認爲顯而易見的方法是將其加載到XDocument（作爲XML），但是由於HTML通常是不明確的或者包含語法錯誤，所以這肯定會失敗。

這裏的人在堆棧溢出，而不是建議使用http://htmlagilitypack.codeplex.com/這被認爲是一個偉大的工作解析HTML。然後你可以使用xpath來查詢你的文檔中的各種內容。