C# 用c语言解析HTML的各个部分#

我需要从一个HTML字符串中解析部分。例如：

<p>Lorem ipsum dolor sit amet, consectetur adipiscing elit.</p>
<p>[section=quote]</p>
<p>Mauris at turpis nec dolor bibendum sollicitudin ac quis neque.</p>
<p>[/section]</p>

在分析这些部分之前，我还做了一些额外的清理工作：

protected string CleanHtml(string input) {
    // remove whitespace
    input = Regex.Replace(input, @"\s*(<[^>]+>)\s*", "$1", RegexOptions.Singleline);
    // remove empty p elements
    input = Regex.Replace(input, @"<p\s*/>|<p>\s*</p>", string.Empty);
    return input;
}

换一个怎么样

<p>[section=quote]</p>

及

---

作为清理工作的一部分。然后您可以使用现有的正则表达式。

使用

HtmlAgilityPack

库执行以下工作：

using HtmlAgilityPack;

如果你只想打印

turpis nec dolor bibendum sollicitudin ac quis neque的莫里斯。

如果没有

。

，您可以用

n.InnerHtml

替换

n.OuterHtml

当然，您应该检查

doc.DocumentNode.SelectNodes（“//p”）

是否为

null

如果要从联机源而不是文件加载html，可以执行以下操作：

var htmlWeb = new HtmlWeb();  
var doc = htmlWeb.Load("http://..../page.html");

编辑：

---

如果

[section=quote]

一个

[/section]

可以在任何标记中（并不总是

），你可以用

doc.DocumentNode.SelectNodes（“//*”）替换
doc.DocumentNode.SelectNodes（“//*”）
用正则表达式解析html的强制性链接通常是个坏主意，因为html不是规则的。如果你能看一看html解析器，它们有很多可用的，而且它们会带来更少的痛苦。因为html内容完全掌握在用户手中，我实际上不知道[section]标记将包装在什么里面（可以是div、p，任何东西）。哇，谢谢。我只是注意到你的回答。让我来试一试！
public void ParseSections(string content)
{
    this.SourceContent = content;
    this.NonSectionedContent = content;

    content = CleanHtml(content);

    if (!sectionRegex.IsMatch(content))
        return;

    var doc = new HtmlDocument();
    doc.LoadHtml(content);

    bool flag = false;
    string sectionName = string.Empty;
    var sectionContent = new StringBuilder();
    var unsectioned = new StringBuilder();

    foreach (var n in doc.DocumentNode.SelectNodes("//p")) {               
        if (startSectionRegex.IsMatch(n.InnerText)) { 
            flag = true;
            sectionName = startSectionRegex.Match(n.InnerText).Groups[1].Value.ToLowerInvariant();
            continue;
        }
        if (endSectionRegex.IsMatch(n.InnerText)) {
            flag = false;
            this.Sections.Add(sectionName, sectionContent.ToString());
            sectionContent.Clear();
            continue;
        }

        if (flag)
            sectionContent.Append(n.OuterHtml);
        else
            unsectioned.Append(n.OuterHtml);
    }

    this.NonSectionedContent = unsectioned.ToString();
}

<p>[section=quote]</p>

[section=quote]

<p>[/section]</p>

[/section]

using HtmlAgilityPack;

HtmlDocument doc = new HtmlDocument();
doc.Load(@"C:\file.html");


bool flag = false;
var sb = new StringBuilder();
foreach (var n in doc.DocumentNode.SelectNodes("//p"))
{
    switch (n.InnerText)
    {
        case "[section=quote]":
            flag = true;
            continue;
        case "[/section]":
            flag = false;
            break;
    }
    if (flag)
    {
        sb.AppendLine(n.OuterHtml);
    }
}

Console.Write(sb);
Console.ReadLine();

var htmlWeb = new HtmlWeb();  
var doc = htmlWeb.Load("http://..../page.html");