使用 C# 解析 Html 中的完整字符串

Question

我有下面两个html的例子-

<a href="http://foo.com">User</a>: <a style="color:#333" href="http://foo.com/word"></a> blue elephant  &middot;

<a href="http://foo.com">User</a>: <a style="color:#333" href="http://foo.com/word">@<b>word</b></a> blue elephant  &middot;

我正在尝试使用 C# 解析它以放入 csv 文件，并且它在一定程度上可以工作，但是，当 html 中包含“@”符号时，它会将 csv 单元格留空或不包含前面带有“@”的单词。我想要得到的主要部分是@word blue elephant，但这会带回一个空白单元格，而第一个html示例会根据需要带回blue elephant。

我正在使用以下技术来做到这一点-

string[] comm = System.Text.RegularExpressions.Regex.Split(content[1], "<a");

如何更改它以适用于第二个 html 示例？

Answer 1

在这种情况下，您想使用像 HTML agility pack 中的那种适当的 HTML 解析器（并从 invoking the wrath of Cthulhu 中拯救自己）

一些使用方法的例子

• Getting started
• Easily extracting links from a snippet of html with HtmlAgilityPack