问题是我只需要提取给定 URL 的文本内容。 我应该坚持我只需要文本内容。互联网上有很多方法可以返回网页的所有内容而不进行任何文本分隔。
我需要 c# 语言的代码。
感谢您的任何回答
【问题讨论】：
嗯，你需要使用一些解析技术来获取文本，你可以使用 Xpath 或正则表达式来获取来自给 Url 的 Html 的文本
【讨论】：
<IMG> 或<BR> 为例，它们没有对应的结束标签。
对于 HTML，没有“只是文本”之类的东西。您在网页上看到的文本是根据标记的定义方式呈现的。
您可以手动去除<body></body> 标记之间的所有HTML 标记，然后您将在页面上拥有类似于所有文本的内容。但是，这很容易出错。
您在网上找到的大多数解决方案都会选择正则表达式（例如Regex.Replace(str, "<(.|\n)*?>", string.Empty);），但如果您使用它，您可能有一天会自责。
【讨论】：
< 条件后跟（在 HTML 文档中）后来> 条件...（更不用说ALT 文本和类似内容）。顺便说一句，您可能不是有意 @ 字符串。
<就可以搞砸了，肯定会有另一个>来关闭一个HTML标签（例如<a href="...">），之后正则表达式将消耗介于两者之间的所有内容，您将无法获得所需的结果。