您如何在 vb.net 中解析 HTML答案

【问题标题】：How do you parse an HTML in vb.net您如何在 vb.net 中解析 HTML
【发布时间】：2010-10-05 17:35:44
【问题描述】：

我想知道是否有一种简单的方法可以在 vb.net 中解析 HTML。我知道 HTML 不是 XML 的严格子集，但如果可以这样对待它会很好。有什么东西可以让我在 VB.net 中以类似 XML 的方式解析 HTML 吗？

【问题讨论】：

如果你在解析后说明你想用它做什么，它可能会帮助我们回答。
现在，我对能够选择特定 div 中的所有链接、文本和图像感兴趣。 div 类或 id 将/可能会因页面而异。
听起来 HTML 敏捷包可能对我有用。还有其他选择吗？？？

标签： .net html vb.net parsing html-content-extraction

【解决方案1】：

'也添加 prog ref: Microsoft.mshtml

'然后在页面上：

Imports mshtml

Function parseMyHtml(ByVal htmlToParse$) As String
    Dim htmlDocument As IHTMLDocument2 = New HTMLDocumentClass()
    htmlDocument.write(htmlToParse)
    htmlDocument.close()

    Dim allElements As IHTMLElementCollection = htmlDocument.body.all

    Dim allInputs As IHTMLElementCollection = allElements.tags("a")
    Dim element As IHTMLElement
    For Each element In allInputs
        element.title = element.innerText
    Next

    Return htmlDocument.body.innerHTML
End Function

如发现here:

【讨论】：

这不是本质上使用 IE 用来加载其 DOM 的相同库吗？我以前试过这个，但总感觉很脏……

【解决方案2】：

我喜欢Html Agility pack - 它对开发人员非常友好、免费且源代码可用。

【讨论】：

但自文档代码开发人员友好。我知道“开发人员友好”一词可能非常主观，但是我尝试了几种解析/修改 HTML 代码的方法，而这个最简单（对于 .NET 和免费），你可以获得什么并且没有文档不要改变它。这是残酷的现实。
我无法让 HTML Agility 包为我做任何有用的事情。我得到的只是直接输出到文本框的 HTML，而不是经过解析的格式化 HTML。
@JoelR。你做了一件大错特错的事。你读过一些相关的教程吗？
@Tcks 我似乎没有在 CodePlex 上找到任何教程。但我也没有看起来太难。如果你有一些好的教程的链接，那会很有帮助。
在 google 中使用“html 敏捷包教程”。你不能错过目标。

【解决方案3】：

不要使用敏捷包，只使用mshtml库访问dom，这就是ie使用的，非常适合浏览HTML元素。

如果你问我，Agility 包是讨厌的和不必要的 hackie，mshtml 是要走的路。在 msdn 上查找。

【讨论】：

【解决方案4】：

如果您的 HTML 遵循 XHTML 标准，您可以使用 System.XML 命名空间类进行大量解析和处理。

另一方面，如果您要解析的是 Web 开发人员所说的“标签汤”，您将需要像 HTML Agility Pack 这样的第三方解析器。

如果您试图弄清楚浏览器将如何解释您的 HTML，因为每个浏览器对标签汤的解析略有不同，这可能只是您问题的部分解决方案。

【讨论】：

【解决方案5】：

格式是否正确？如果 HTML 实际上格式正确，则可以将其解析为 XML。如果是标签汤并且有未封闭的元素等，我认为您将不得不四处寻找第三方解决方案。

【讨论】：

使用 mshtml 访问文档对象模型 (dom) 发生了什么？