C# HTMLAgilityPack HTML to Text - 解析错误

Question

我需要使用 C# 从 HTML 文件中提取文本。我正在尝试使用 HTMLAgilityPack 但我看到一些解析错误(标签未关闭)。我正在使用这两个选项:

        htmlDoc.OptionFixNestedTags = true;
        htmlDoc.OptionAutoCloseOnEnd = true;

是否有任何“修复所有”类型的选项。我不关心错误，我只想要内容或关闭。

Answer 1

也许这是解决方法，但一旦我不得不从 HTML 中提取文本，我就使用了正则表达式:

result = Regex.Replace(result, @"<(.|\n)*?>", String.Empty);
result = Regex.Replace(result, @"^\n*", String.Empty, RegexOptions.Singleline | RegexOptions.IgnoreCase);
result = Regex.Replace(result, @"\n*$", String.Empty, RegexOptions.Singleline | RegexOptions.IgnoreCase);
result = result.Replace("\n", " ");