c# - 通过C#解析网页，XmlDocument.LoadXml

Question

我正在尝试下载网页并解析它。我需要到达 html 文档的每个节点。所以我使用WebClient下载，效果很好。然后我使用以下代码段来解析文档:

 WebClient client = new WebClient();

 Stream data = client.OpenRead("http://web.cs.hacettepe.edu.tr/~bil339/");
 StreamReader reader = new StreamReader(data);
 string xml = reader.ReadToEnd();

 data.Close();
 reader.Close();
 XmlDocument xmlDoc = new XmlDocument();
 xmlDoc.loadXml(xml);

在最后一行，程序等待了一段时间，然后崩溃了。它说 HTML 代码中有错误，这不是预期的，不应该在这里等。有什么建议可以解决这个问题吗？欢迎使用其他解析 HTML 代码的技术(当然是在 C# 中。)

Answer 1

使用 HTMLAgilityPack解析 HTML。格式良好的 HTML 不是 XML，因此不能被解析。例如，它缺少 <?xml version="1.0" encoding="UTF-8"?>所有 XML 文件都需要的序言。 HTML Agility Pack 更加宽容。