C# 如何从网页中获取文本？

我想用C#从网页中获取文本。

---

我不想要HTML，我想要网页上的真实文本。例如，如果我键入“

cake

”，我想要的是蛋糕，而不是标签。

您可以使用正则表达式（如下面的一个简单示例）去除标签：

//当然，为了方便起见，您可以导入System.Text.RegularExpressions。
System.Text.RegularExpressions.Regex标记=new System.Text.RegularExpressions.Regex（“\”）；
myHTML=tag.Replace（myHTML，String.Empty）；

但是，如果您需要检索大量结构良好的数据，那么最好使用HTML库1。（如果网页是XHTML，那么最好使用

System.Xml

类。）

例如，我喜欢。

---

2如果您试图从JavaScript中获取数据，或者如果数据位于元素的属性中并包含尖括号，则这可能会产生意外的副作用。您还需要接受转义序列，如

&
使用HTML Agility Pack库

这是一个非常好的解析HTML的库，根据您的需要使用以下代码：

    HtmlAgilityPack.HtmlWeb web = new HtmlAgilityPack.HtmlWeb();
    HtmlAgilityPack.HtmlDocument doc = web.Load("Yor Path(local,web)"); 
    var result=doc.DocumentNode.SelectNodes("//body//text()");//return HtmlCollectionNode
    foreach(var node in result)
    {
        string AchivedText=node.InnerText;//Your desire text
    }

视情况而定如果应用程序使用WebBrowser组件下载网页，则该组件将在后台自动为您进行解析（就像Internet Explorer一样）。只需遍历DOM树并提取所需的文本。你会发现特别有用：）
检查HTML解析器，比如HTML Agility Pack，然后递归地在DOM中循环并从每个元素中提取文本。看看我认为正则表达式不会很好地工作。你可以在HTML中使用不属于标记的尖括号，它们也可以出现在CSS、Javascript字符串常量等中。真正做到这一点的唯一方法是使用HTML解析器。@MikeChristensen:这就是为什么我说a“一个简单的示例”和b“大量”。如果OP只需要一点点，这一点不需要在项目中包含一个完整的解析器。此外，JavaScript通常不包括在数据解析中，CSS绝对不包括……是的，我想这就是你的意思——我只是想更明确地指出它。@MikeChristensen:好的。我也会写一个关于这个的注释。
    HtmlAgilityPack.HtmlWeb web = new HtmlAgilityPack.HtmlWeb();
    HtmlAgilityPack.HtmlDocument doc = web.Load("Yor Path(local,web)"); 
    var result=doc.DocumentNode.SelectNodes("//body//text()");//return HtmlCollectionNode
    foreach(var node in result)
    {
        string AchivedText=node.InnerText;//Your desire text
    }