c# - 使用 HTML Agility Pack 抓取元标签和评论

Question

我一直在寻找有关使用 HTML Agility Pack 的教程，因为它似乎可以完成我想要它做的所有事情，但似乎对于如此强大的工具，Internet 上几乎没有关于它的噪音。

我正在编写一个简单的方法，它将根据名称检索任何给定的标签:

public string[] GetTagsByName(string TagName, string Source) {
    ...
}

这可以使用正则表达式轻松完成，但我们都知道使用正则表达式来解析 HTML 是不对的。到目前为止，我有以下代码:

...
// TODO: Clear Comments (can this be done or should I use RegEx?)
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(Source);
ArrayList tags = new ArrayList();
string xpath = "//" + TagName;
foreach (HtmlTextNode node in doc.DocumentNode.SelectNodes(xpath) {
    tags.Add(node.Text);
}
return (string[])tags.ToArray(typeof(String));

我希望能够首先从 HTML 中删除所有评论，然后根据其名称返回正确的标签。如果可能的话，我还想根据属性返回某些元标记，例如 robot。我对 xpath 不是很好，所以任何帮助都会很好。

如有任何帮助，我们将不胜感激。

Answer 1

HtmlAgilityPack 的 HtmlDocument 实现 IXpathNavigable ，因此它使用标准的 .NET XPath 引擎。任何 XPath 1.0 文档都将适用，尤其是当它谈到 System.Xml.XPath 时。

"//comment()"查找所有评论
"//meta"查找所有 "meta"元素

HtmlDocument 的设计看起来很像 XmlDocument ，因此有关它的示例和教程将在一定程度上适用。

一些 MSDN 链接:

• XPath Reference
• Examples
• XPath functions