在 C# 中保存包含所有内容的网页答案

【问题标题】：Saving a Web Page with all its content in C#在 C# 中保存包含所有内容的网页
【发布时间】：2012-07-17 05:33:50
【问题描述】：

我正在尝试保存网页（就像我们在浏览器中所做的那样）及其所有内容和格式化。我尝试了 WebClient、WebRequest 示例，但它们只能下载文本部分，有时还可以下载 javascript。但没有CSS和图像等。 .Net 中是否有任何 api 或 .net 的任何 3rd 方 api？

这是可能的，我认为这是因为许多应用程序正在运行以进行离线阅读，并且它们以相同的格式和样式显示已保存的页面。它是如何完成的？有什么想法吗？

编辑 1： 可以使用 HtmlAgilityPack 解析和保存网页。但是有什么方法可以将主要文章和其他内容（例如广告，其他外部链接）分开。有什么方法可以区分相关内容和不相关内容吗？（对不起，如果这个问题不清楚）。

也有人可以就这些离线阅读应用程序（如稍后阅读/袖珍等）如何保存网页并格式化它提出一些建议。

有没有办法在 C# 中做同样的事情？

【问题讨论】：

【解决方案1】：

您可以将页面文本下载为Html，然后对其进行解析并获取<link rel="stylesheet" type="text/css" href="...">或<img src="..."/>元素以及href或src等属性的下载链接。

HtmlAgilityPack 是用于解析 Htmls 的可靠且有用的库。

【讨论】：

你好 Ria，我尝试了 HtmlAgilityPack，现在我可以下载图片和其他链接，如 css 和 js 文件，但页面仍然看起来不太好。没有格式。我将 href 和 src 属性的路径更改为本地目录。但没有效果。
@Deeps: 你好 Deeps，你确定你为本地文件插入了有效地址吗：file:/// 前缀或使用/ 而不是\ 或使用%20 而不是空格和.. ..
是的，我已经检查过了。路径很好。我认为 css 和 js 的文件是受保护的，因此，下载它们时没有任何文本。有什么办法可以解决。我尝试将用户代理提供给下载文件的网络请求，但没有任何变化。

【解决方案2】：

您可以使用Wget

【讨论】：

【解决方案3】：

您可以尝试将页面保存为mht 文件。这些文件将网页及其所有引用捆绑到一个压缩文件 (.mht) 中

注意：MHT 是由 Microsoft 引入的。并非所有浏览器都符合这种格式。 Opera 是唯一具有 MHT 保存的其他流行浏览器。 Firefox 用户虽然可以调用两个附加组件来处理此文件标准，Mozilla 存档格式和 UnMHT。这两个插件都可以安装并用于打开和保存完整的网页。

【讨论】：