Linq解析html字符串

Question

我想解析一个html页面并从中获取特定值。我如何使用Linq或C＃中的字符串解析来做到这一点？

-------------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 ----------

我有兴趣获得价值4,4907以粗体显示！

任何想法如何实现这一目标？

谢谢！

Answer 1

如果您只需要那一点，请使用正则表达式。 （But don't use a regular expression to parse more complex HTML.）

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

将由正则表达式

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

最方便的匹配，例如见this quickly Googled page如何使用正则表达式用C＃。

Answer 2

您可以尝试在C＃中的正则表达式是这样的：

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

找到 “< SPAN> * ” 之间的字符串 “ * </SPAN>”。

或者您可以使用HTML解析器（如“jericho”）并浏览HTML标签以获得您的价值。

Answer 3

试图解析HTML时要小心。

我认为显而易见的方法是将其加载到XDocument（作为XML），但是由于HTML通常是不明确的或者包含语法错误，所以这肯定会失败。

这里的人在堆栈溢出，而不是建议使用http://htmlagilitypack.codeplex.com/这被认为是一个伟大的工作解析HTML。然后你可以使用xpath来查询你的文档中的各种内容。