使用 LINQ 从 VB.NET 中的字符串解析 html答案

【问题标题】：Parse html from a string in VB.NET using LINQ使用 LINQ 从 VB.NET 中的字符串解析 html
【发布时间】：2018-01-13 17:52:42
【问题描述】：

我想从网页导入 html，然后解析它并从元素中检索 http 链接。我能够抓取 html 并将其放入字符串中。另外，如果我有 xml 格式的 html，我可以为每个循环执行一个来检索数据。但我无法弄清楚如何获取 html 字符串并使其可以被 LINQ 读取。我想我在这里遗漏了一些简单的部分。

Sub GetTest()
        Dim source As String = "http://gd2.mlb.com/components/game/mlb/year_2018/month_03/day_29/"
        Dim Client As New WebClient
        Dim html As String = Client.DownloadString(source)

        Dim xml = XElement.Parse(html)

        Dim links = From link In xml...<a>

        For Each link In links
            MessageBox.Show(link.@href)
        Next
    End Sub

【问题讨论】：

这和your last question有什么不同？
我的最后一个问题得到了解答。我能够从不同的页面解析 xml。这个是html的，好像不太一样。
你应该通过 NuGet 安装 HtmlAgilityPack，
stackoverflow.com/q/516811/1070452
Html 不是标准 Xml。诸如未闭合标签<br> 之类的东西以及a < 5 之类的简单javascript 表达式可能会破坏解析器。这就是 HtmlAgilityPack 存在的原因。

标签： html vb.net linq linq-to-xml

【解决方案1】：

去掉第一个未闭合标签后，该页面可以解析为Xml：

Dim xml = XElement.Parse(html.Substring(html.IndexOf(">") + 1))
For Each link In xml.Descendants("a")
    Console.WriteLine(link.Attribute("href"))
Next

一般来说，在尝试解析 Html 时会遇到多个问题，就好像它是标准 Xml 一样。所以最好使用 HtmlAgilityPack。

【讨论】：