需要建議：在C中解析HTML的最佳方法＃

Question

這是我的問題。從HTML頁面提取某些信息的最佳方法是哪種。 我目前做的是以下幾點：

1. 使用Web客戶端

2. 下載頁面中使用了UTF8Encoding

3. 接收到的數據轉換爲字符串，將字符串以XML

4. 使用來自.NET Framework的Xml相關類提取所需數據

這就是我目前所做的總結形式。任何人知道另一種方法？有些東西可以更快或更輕鬆？

最好的問候， 基里爾·

PS：我聽說過所謂的Watin

一個測試框架，可以讓你做同樣的事情，但還沒有研究它更

Answer 1

除非你是使用完美形成的XHTML正則表達式將更適合解析html？

Watin允許您通過IE在網頁上編寫按鈕點擊，腳本調用等腳本（可以使用其他瀏覽器不確定？）。我不認爲這會完成你正在尋找的東西。

Answer 2

這聽起來像你已經想出瞭如何獲取頁面數據（這是最簡單的部分）。

其餘的，我用於此類任務的最佳託管庫是HTML Agility Pack。它是開源的，非常成熟，完全用.NET編寫。它處理畸形的HTML和可以做你兩種不同的方式所需要的：

• 本身支持XPath和類似XML的查詢對HTML DOM。它的目的是模仿.NET的XML庫，所以任何你可以用.NET來對付XML的東西，你可以用這個來對付HTML。

• 支持從HTML生成有效的XML，因此您可以使用任何XML工具。

Answer 3

對於您的解析需求，我推薦HTML Agility Pack。

對於真實的檢索HTML，使用WebRequest類

Answer 4

這可以通過使用WebClient.DownloadString方法，我相信稍作簡化，。

有關解析的詳細信息，請參閱其他解答，因爲我還沒有試過HTML敏捷性套件。