使用 C# 如何获取网页上所有脚本标签（及其内容）的列表/数组？答案

【问题标题】：Using C# how do I get a list/array of all script tags (and their contents) on a webpage?使用 C# 如何获取网页上所有脚本标签（及其内容）的列表/数组？
【发布时间】：2010-07-22 12:39:09
【问题描述】：

我正在使用 HttpWebRequest 将远程网页放入字符串中，并且我想列出所有脚本标签（及其内容）以进行解析。

最好的方法是什么？

【问题讨论】：

标签： c# parsing screen-scraping

【解决方案1】：

最好的方法是使用 HTML 解析器，例如 HTML Agilty Pack。

来自网站：

它是一个 .NET 代码库，可让您解析“网络外”的 HTML 文件。解析器对“真实世界”格式错误的 HTML 非常宽容。对象模型与 System.Xml 的提议非常相似，但用于 HTML 文档（或流）。

示例应用程序：

页面修复或生成。你可以按照你想要的方式修复页面，修改 DOM，添加节点，复制节点，嗯......你命名它。

网络扫描仪。您可以通过一堆 XPATH 查询轻松访问 img/src 或 a/hrefs。

网络爬虫。例如，您可以轻松地将任何现有网页剪贴到 RSS 提要中，只需一个 XSLT 文件作为绑定。提供了一个示例。

【讨论】：

【解决方案2】：

使用 XML 解析器获取所有脚本标签及其内容。 Like this one: simple xml

【讨论】：

如果 HTML 不是格式良好的 XML 怎么办（想想有效的 HTML 标记，例如 <BR>？这会破坏 XML 解析器。