通过 C#、XmlDocument.LoadXml 解析网页答案

【问题标题】：Parsing web pages via C#, XmlDocument.LoadXml通过 C#、XmlDocument.LoadXml 解析网页
【发布时间】：2012-01-22 06:08:27
【问题描述】：

我正在尝试下载一个网页并对其进行解析。我需要到达 html 文档的每个节点。所以我用WebClient来下载，效果很好。然后我使用以下代码段来解析文档：

 WebClient client = new WebClient();

 Stream data = client.OpenRead("http://web.cs.hacettepe.edu.tr/~bil339/");
 StreamReader reader = new StreamReader(data);
 string xml = reader.ReadToEnd();

 data.Close();
 reader.Close();
 XmlDocument xmlDoc = new XmlDocument();
 xmlDoc.loadXml(xml);

在最后一行，程序等待一段时间，然后崩溃。它说 HTML 代码中有错误，这是意料之外的，不应该在这里，等等。有什么建议可以解决这个问题吗？欢迎使用其他解析 HTML 代码的技术（当然是在 C# 中。）

【问题讨论】：

loadxml 需要一个xml文件，如果是html页面会抛出异常
一些遵循 xhtml 的页面可以用 XML 阅读器解析，但要解析 any html 页面，您必须使用特殊的 html 解析器。
@kashif 检查这里：msdn.microsoft.com/en-us/library/… Denis 你是对的，这种方法不起作用。

标签： c# parsing web xmldocument

【解决方案1】：

使用 HTMLAgilityPack 解析 HTML。格式良好的 HTML 不是 XML，因此无法解析。例如，它缺少所有 XML 文件都需要的 <?xml version="1.0" encoding="UTF-8"?> 序言。 HTML 敏捷包更宽容。

【讨论】：