c# - 如何将 HTML 读取为 XML？

Question

我想从从互联网下载的 html 页面中提取几个链接，我认为使用 linq to XML 对我的情况来说是一个很好的解决方案。
我的问题是我无法从 HTML 创建 XmlDocument，使用 Load(string url) 不起作用，所以我使用以下方法将 html 下载到字符串:

public static string readHTML(string url)
    {
        HttpWebRequest req = (HttpWebRequest)WebRequest.Create(url);
        HttpWebResponse res = (HttpWebResponse)req.GetResponse();
        StreamReader sr = new StreamReader(res.GetResponseStream());

        string html = sr.ReadToEnd();
        sr.Close();
        return html;
    }

当我尝试使用 LoadXml(string xml) 加载该字符串时出现异常

'--' is an unexpected token. The expected token is '>'

我应该采取什么方式将 html 文件读取为可解析的 XML

Answer 1

HTML 与 XML 完全不同(除非 HTML 实际上恰好在 XML 模式下符合 XHTML 或 HTML5)。最好的方法是使用 HTML parser阅读 HTML。之后，您可以将其转换为 Linq to XML，或直接对其进行处理。