需要建议：在C中解析HTML的最佳方法＃

Question

这是我的问题。从HTML页面提取某些信息的最佳方法是哪种。 我目前做的是以下几点：

1. 使用Web客户端

2. 下载页面中使用了UTF8Encoding

3. 接收到的数据转换为字符串，将字符串以XML

4. 使用来自.NET Framework的Xml相关类提取所需数据

这就是我目前所做的总结形式。任何人知道另一种方法？有些东西可以更快或更轻松？

最好的问候， 基里尔·

PS：我听说过所谓的Watin

一个测试框架，可以让你做同样的事情，但还没有研究它更

Answer 1

除非你是使用完美形成的XHTML正则表达式将更适合解析html？

Watin允许您通过IE在网页上编写按钮点击，脚本调用等脚本（可以使用其他浏览器不确定？）。我不认为这会完成你正在寻找的东西。

Answer 2

这听起来像你已经想出了如何获取页面数据（这是最简单的部分）。

其余的，我用于此类任务的最佳托管库是HTML Agility Pack。它是开源的，非常成熟，完全用.NET编写。它处理畸形的HTML和可以做你两种不同的方式所需要的：

• 本身支持XPath和类似XML的查询对HTML DOM。它的目的是模仿.NET的XML库，所以任何你可以用.NET来对付XML的东西，你可以用这个来对付HTML。

• 支持从HTML生成有效的XML，因此您可以使用任何XML工具。

Answer 3

对于您的解析需求，我推荐HTML Agility Pack。

对于真实的检索HTML，使用WebRequest类

Answer 4

这可以通过使用WebClient.DownloadString方法，我相信稍作简化，。

有关解析的详细信息，请参阅其他解答，因为我还没有试过HTML敏捷性套件。