C# 从网页中读取文本_C#_Webpage

C# 从网页中读取文本

C# 从网页中读取文本,c#,webpage,C#,Webpage,请注意：我不想阅读网页的HTML内容，而是想阅读网页上的文本。想象一下下面的例子，如果你愿意的话- 一个PHP脚本将“Hello User X”回显到当前页面上，因此用户现在正在查看一个页面（主要为空白），页面左上角印有“Hello User X”字样。从我的C#应用程序中，我想将文本读入字符串 String strPageData = functionToReadPageData("http://www.myURL.com/file.php"); Console.WriteLine(strP

请注意：我不想阅读网页的HTML内容，而是想阅读网页上的文本。想象一下下面的例子，如果你愿意的话-

一个PHP脚本将“Hello User X”回显到当前页面上，因此用户现在正在查看一个页面（主要为空白），页面左上角印有“Hello User X”字样。从我的C#应用程序中，我想将文本读入字符串

String strPageData = functionToReadPageData("http://www.myURL.com/file.php");

Console.WriteLine(strPageData); // Outputs "Hello User X" to the Console.

在VB6中，我可以通过使用以下API实现这一点：

互联网开放

InternetReadFile

Internet闭合手柄

我试图将我的VB6代码移植到C#，但我运气不好-因此我非常感谢使用C#方法来完成上述任务。

您应该使用WebClient类来完成此操作。

我不知道.NET framework中有任何部分可以让您自动从HTML文件中提取所有文本。我非常怀疑它的存在

您可以尝试使用HtmlAgilityPack（第三方）访问HTML文档中的文本元素等

不过，您仍然需要编写逻辑来找到正确的HTML元素。类似以下内容的HTML页面：

<html>
     <body>Some text</body>
</html>

按照这种模式，您可以读取页面上的每个元素。您可能需要进行一些后期处理以删除中断、注释等

下面的代码可能会对您有所帮助

string result = "";
try
{
     using (StreamReader sr = new StreamReader(IOParams.ConfigPath +"SUCCESSEMPTMP.HTML"))
     {
           result = sr.ReadToEnd();
           result = result.Replace("<body/>", "<body>");
           result = result.Replace("</body>", "<body>");
           List<string> body = new List<string>(result.Split(new string[] { "<body>" }, StringSplitOptions.None));
           if (body.Count > 2)
           {
                result = body[1];
           }
      }
}
catch (Exception e)
{
    throw e;
}

return result;

字符串结果=”；
尝试
{
使用（StreamReader sr=new StreamReader（IOParams.ConfigPath+“successmptmp.HTML”））
{
结果=sr.ReadToEnd（）；
结果=结果。替换（“，”）；
结果=结果。替换（“，”）；
列表体=新列表（result.Split（新字符串[]{”“}，StringSplitOptions.None））；
如果（body.Count>2）
{
结果=正文[1]；
}
}
}
捕获（例外e）
{
投掷e；
}
返回结果；

我知道这是一篇比较老的帖子，但我很惊讶没有人提到使用

microsoft.mshtml

，这对这类东西来说相当有效。您需要添加对

microsoft.mshtml

[右键单击

解决方案资源管理器中项目中的引用
。然后单击添加引用…
。在程序集中键入搜索“HTML”，您将看到Microsoft.mshtml
]
然后：
它将返回网页的“OuterText”，这基本上是使用web浏览器访问网页时显示的文本。希望这能有所帮助。我不久前已经签出了这个类，但我只能阅读HTML，而不能阅读页面上的实际文本。你知道我做错了什么吗？+1。使用WebClient类并使用HTML解析器去除文本。如果您不想使用html解析器或正则表达式，可以保存html并使用IE或Safari使用javascript获取纯文本，例如：document.body.innerText如何定义文本？链接文本也是文本的一部分吗？还是仅包含在或标记中的字符串？按钮标签文本呢？@Phillip看这里：我只想返回“hah-mmm hdhd JKD 0 0”。请不要在你的问题前面加上“C#”之类的前缀。你已经用过标签了。这让我很困惑，我不知道如何让它正常工作。不过我会坚持下去，如果我能找到工作，我会告诉你的。。。不过，我宁愿不必为HTML费心。我现在将使用这种方法。非常感谢。
string result = "";
try
{
     using (StreamReader sr = new StreamReader(IOParams.ConfigPath +"SUCCESSEMPTMP.HTML"))
     {
           result = sr.ReadToEnd();
           result = result.Replace("<body/>", "<body>");
           result = result.Replace("</body>", "<body>");
           List<string> body = new List<string>(result.Split(new string[] { "<body>" }, StringSplitOptions.None));
           if (body.Count > 2)
           {
                result = body[1];
           }
      }
}
catch (Exception e)
{
    throw e;
}

return result;

using System.Net;
using mshtml;

using (var client = new WebClient())
{
    var s = client.DownloadString(@"https://stackoverflow.com/questions/7264659/read-text-from-web-page");
    var htmldoc2 = (IHTMLDocument2)new HTMLDocument();
    htmldoc2.write(s);
    var plainText = htmldoc2.body.outerText;
    Console.WriteLine(plainText);
}