HTML 敏捷包与正则表达式

Question

如果我正在创建一个简单的网络爬虫（从根 url 抓取所有链接，然后从这些链接抓取所有电子邮件）是否值得使用 HTML Agility Pack？我实际上并没有浏览 HTML 标记，我只是想扫描整个文档中的电子邮件。

使用 HTML 敏捷包会更高效吗？

我严格剥离它们，因为我有这些电子邮件是必要的，并且大约有 100 个链接。只会抓取大约 500 封电子邮件。不用担心，我在这里牢记道德规范。

Answer 1

关于这个有很多关于这个的问题——我读到的大多数都说——不要使用正则表达式进行网络抓取。

另一方面 - 如果你想要的只是文本解析而不考虑文本的 HTML 特性（如果我理解正确的话你会这样做），使用正则表达式可能会更好。