C#解析HTML的两种方法介绍

在C#开发中，经常会遇到需要解析HTML的情况，比如从网页中提取数据、分析网页结构等。本文将介绍两种常见的C#解析HTML的方法。

方法一：使用HtmlAgilityPack

HtmlAgilityPack是一个强大的HTML解析库，它可以方便地处理不规范的HTML代码。

需要在项目中引入HtmlAgilityPack库。可以通过NuGet包管理器进行安装。安装完成后，就可以在代码中使用它了。

以下是一个简单的示例代码：

using HtmlAgilityPack;

class Program
{
    static void Main()
    {
        HtmlWeb web = new HtmlWeb();
        HtmlDocument doc = web.Load("https://example.com");

        var nodes = doc.DocumentNode.SelectNodes("//a");
        if (nodes!= null)
        {
            foreach (var node in nodes)
            {
                Console.WriteLine(node.Attributes["href"].Value);
            }
        }
    }
}

在上述代码中，首先创建了一个HtmlWeb对象，然后使用它加载指定的网页。接着通过SelectNodes方法选择所有的<a>标签，并输出它们的href属性值。

方法二：使用System.Net.Http和正则表达式

这种方法首先使用System.Net.Http来获取网页的HTML内容，然后使用正则表达式来提取需要的信息。

示例代码如下：

using System;
using System.Net.Http;
using System.Text.RegularExpressions;

class Program
{
    static async System.Threading.Tasks.Task Main()
    {
        HttpClient client = new HttpClient();
        string html = await client.GetStringAsync("https://example.com");

        MatchCollection matches = Regex.Matches(html, "<a href=\"(.*?)\">");
        foreach (Match match in matches)
        {
            Console.WriteLine(match.Groups[1].Value);
        }
    }
}

在这个示例中，首先使用HttpClient获取网页内容，然后使用正则表达式匹配所有<a>标签的href属性值并输出。

这两种方法各有优缺点。HtmlAgilityPack更适合处理复杂的HTML结构，对不规范的HTML有较好的容错性；而使用System.Net.Http和正则表达式的方法相对简单，但对于复杂的HTML解析可能会比较困难。开发者可以根据具体需求选择合适的方法。