bekommen HTML-Tags c #

Question

ok ive bekam diesen Code:

public static string ScreenScrape(string url)
    {
        System.Net.WebRequest request = System.Net.WebRequest.Create(url);
        // set properties of the request
        using (System.Net.WebResponse response = request.GetResponse())
        {
            using (System.IO.StreamReader reader = new System.IO.StreamReader(response.GetResponseStream()))
            {
                return reader.ReadToEnd();
            }
        }
    }

Jetzt möchte ich den Text filtern, um die div class = „Kommentar“ Einsen bekommen gibt es eine weitere Option, die nicht mit regulären Ausdrücken? oder ist das der einzige Weg?

Dank

Answer 1

Sie müssen den HTML Agility Pack- verwenden.

Zum Beispiel:

var doc = new HtmlWeb().Load(url);
var comments = doc.Descendants("div")
                  .Where(div => div.GetAttributeValue("class", "") == "comment");

Beachten Sie, dass dies nicht <div class="OtherClass comment"> finden wird; wenn Sie sich für das suchen, können Sie IndexOf nennen.

Answer 2

HtmlAgilityPack ist nur ein Paket, das Sie HTML-Dateien manipulieren lässt, aber wenn Sie Bildschirm tun wollen schaben Selen WebDriver mit PhantomJS bessere Lösung ist. PhantomJS ist kopflos Web-Browser, so dass es wirklich schnell. Darüber hinaus hat es weit bessere Funktionalität im Vergleich zu HTML Agility Pack. Es gibt eine kurze Kurs zu diesem Thema.

Answer 3

shoulnd't Sie reguläre Ausdrücke verwenden, um Parsing HTML - sie das falsche Werkzeug für den Job sind, wie HTML es zu komplex für sie
. Sie sollten einen HTML-Parser verwenden.
Siehe auch: Suchen Sie für C # HTML-Parser

Answer 4

Sie erste Anlaufstelle sollte die HTML Agility Pack- sein.

Reguläre Ausdrücke sind der klassische Weg, um diese Art von Input für nicht .NET-Sprachen zu analysieren.

Additionaly, wenn Sie diese in eine XML-Variante normalisieren kann (das heißt XHTML), können Sie XPath-Abfrage und rufen Sie die erforderlichen Knoten verwenden.

Was Sie nicht wollen, zu tun ist, Ihren eigenen Parser zu implementieren.