C# 为表数据解析格式错误的HTML

我正在编写一个c#控制台应用程序，从外部html网页检索表信息

（chessnuts.org）

我想提取

数据

，

匹配

，

对手

，

结果

等的所有

记录-上面示例链接中的23行

我无法控制这个网页，不幸的是它的格式不好，所以我尝试过的
HtmlAgilityPack
和
XML
解析等选项都失败了。我也尝试过RegEx的一个数字，但我对这方面的知识非常贫乏，我在下面尝试了一个例子：

string[] trs = Regex.Matches(html, 
                             @"<tr[^>]*>(?<content>.*)</tr>", 
                             RegexOptions.Multiline)
                    .Cast<Match>()
                    .Select(t => t.Groups["content"].Value)
                    .ToArray();

我认为您只需要修复您的
HtmlAgilityPack
尝试。这对我来说很好：

// Skip the first table on that page so we just get results
foreach (var table in doc.DocumentNode.SelectNodes("//table").Skip(1).Take(1)) {
    foreach (var td in table.SelectNodes("//td")) {
        Console.WriteLine(td.InnerText);
    }
}

这会将结果表中的一堆数据（每行一列）转储到控制台。
如果需要完整的程序：）。我找了好几个小时

类ReadHTML
{

internal void ReadText（）
{
尝试
{
FolderBrowserDialog fbd=新建FolderBrowserDialog（）；
fbd.RootFolder=Environment.SpecialFolder.MyComputer；//这会导致文件夹从根文件夹或文档开始
如果（fbd.ShowDialog（）==DialogResult.OK）
{
string[]files=Directory.GetFiles（fbd.SelectedPath，“*.html”，SearchOption.AllDirectories）；//将此更改为指定文件类型
SaveFileDialog sfd=新建SaveFileDialog（）；//创建并保存CSV
//sfd.Filter=“Text File |*.txt”//仅对文本文件进行筛选
sfd.FileName=“Html Output.txt”；
sfd.Title=“保存文本文件”；
if（sfd.ShowDialog（）==DialogResult.OK）
{
字符串路径=sfd.FileName；
使用（StreamWriter bw=newstreamwriter（File.Create（path）））
{
foreach（文件中的字符串f）
{
var html=new HtmlAgilityPack.HtmlDocument（）；
html.Load（f）；
foreach（html.DocumentNode.SelectNodes（//table）中的var table）。Skip（1）。Take（1））//指定要查找的标记
{
foreach（表中的var td.SelectNodes（“//td”）//这是子标记
{
WriteLine（td.InnerText）；//这将对HTML文件中要查找的内容进行文本填充
}
}
}//结束文件循环
bw.Flush（）；
bw.Close（）；
}
}
Show（“找到的文件：+Files.Count（）.ToString（））；
}
}
捕获（未经授权的访问例外UAEx）
{
MessageBox.Show（UAEx.Message）；
}
捕获（PathTooLongException-PathEx）
{
MessageBox.Show（PathEx.Message）；
}
}//方法结束
}
试着看一看，由于上下文无关语法解析失败的文本字符串不能是正则表达式，这难道不是重言式吗？我不知道为什么不能使用HtmlAgilityPack。。它应该能够很好地提取您在该页面上想要的内容。让我检查一下……从您的示例页面查看您的html代码，我发现您的元标记没有任何错误，这会使html Agility Pack无法解析您的html。即使您的HTML格式不正确，您也可以使用类似的方法使其美观，然后使用HTML agility packI查看页面，元标记看起来像静态字符串。用一个零长度的字符串替换它们&然后你就可以使用Html Agility PackThank了！正是我所需要的：-）没问题。很高兴我能帮忙！：）
// Skip the first table on that page so we just get results
foreach (var table in doc.DocumentNode.SelectNodes("//table").Skip(1).Take(1)) {
    foreach (var td in table.SelectNodes("//td")) {
        Console.WriteLine(td.InnerText);
    }
}

    internal void ReadText()
    {
        try
        {
            FolderBrowserDialog fbd = new FolderBrowserDialog();
            fbd.RootFolder = Environment.SpecialFolder.MyComputer;//This causes the folder to begin at the root folder or your documents
            if (fbd.ShowDialog() == DialogResult.OK)
            {
                string[] files = Directory.GetFiles(fbd.SelectedPath, "*.html", SearchOption.AllDirectories);//change this to specify file type
                SaveFileDialog sfd = new SaveFileDialog();// Create save the CSV
                //sfd.Filter = "Text File|*.txt";// filters for text files only
                sfd.FileName = "Html Output.txt";
                sfd.Title = "Save Text File";
                if (sfd.ShowDialog() == DialogResult.OK)
                {
                    string path = sfd.FileName;
                    using (StreamWriter bw = new StreamWriter(File.Create(path)))
                    {
                        foreach (string f in files)
                        {

                            var html = new HtmlAgilityPack.HtmlDocument();
                            html.Load(f);
                            foreach (var table in html.DocumentNode.SelectNodes("//table").Skip(1).Take(1))//specify which tag your looking for
                            {
                                foreach (var td in table.SelectNodes("//td"))// this is the sub tag
                                {
                                    bw.WriteLine(td.InnerText);// this will make a text fill of what you are looking for in the HTML files
                                }
                            }

                        }//ends loop of files

                        bw.Flush();
                        bw.Close();
                    }
                }
                MessageBox.Show("Files found: " + files.Count<string>().ToString());
            }
        }

        catch (UnauthorizedAccessException UAEx)
        {
            MessageBox.Show(UAEx.Message);
        }
        catch (PathTooLongException PathEx)
        {
            MessageBox.Show(PathEx.Message);
        }
    }//method ends
}