c# - ASP.NET:如何从表格 html 源中提取特定值？

Question

我想提取 IMDb 的 Boxoffice 表中每一行的电影名称..

示例 html 表格行:

    <tr class="chart_even_row">

  <td style="text-align: right;">
      <b>1</b>
  </td>
  <td>
      <img border="0" src="http://ia.media-imdb.com/images/M/MV5BMjA4NDg3NzYxMF5BMl5BanBnXkFtZTcwNTgyNzkyNw@@._V1._SY30_SX23_.jpg" width="20" height="30">
  </td>
  <td>

<a  href="/title/tt1392170/" >The Hunger Games</a> (2012)
  </td>
  <td style="text-align: right; padding-right: 20px;">$155M
  </td>
  <td style="text-align: right;">
$155M
  </td>
  <td style="text-align: center;">
1
  </td>

</tr>

我要提取的值是“The Hunger Games”..

我需要一个 C# 代码来为我实现这个。

注意:我想通过 REGEX 执行此操作

提前致谢，拉沙德。

Answer 1

屏幕抓取 IMDB 是复杂、脆弱且被禁止的。 IMDB 提供纯文本数据文件，您可以在 http://www.imdb.com/interfaces 上使用

更新

请允许我重申:屏幕抓取和数据挖掘 IMDB.com 违反了他们的使用条款。

关于正则表达式:see this answer .

因此，如果您执意要违反 IMDB 的使用条款，那么 HTML Agility Pack 可能是最好的选择。