C# 灵活的Html解析

有人能帮我解决一下C#中Agility解析Html序列标记的问题吗？我有下面列出的两个问题

在本例中，我希望解析以下Html并将它们存储到结构（列表、堆栈等）中，以便有效地使用这些数据

<h3> header </h3>
<p> paragraph 1</p>
<p>
<a href="www.google.com">Google</a>
<a href="www.gizmodo.com">Gizmodo</a>
</p>
<ul> 
<li> something is here with a download
<a href="www.google.com">link</a>
</li>
<li> hello 
<img src="www.imagesource.com"/>
</li>
</ul>

解析和存储包含字符串、超链接和图像的混合内容的最佳方法是什么？ 这样我以后就可以高效地输出它们了？列表，堆栈？ 换句话说，我想存储html中所有可能的内容，并尽可能保留其格式。因此，一旦我将内容重新加载到应用程序上，我就可以以适当的格式将其相似

---

谢谢大家!

如果要提取所有

href

和

src

属性，可以尝试以下操作：

using System;
using System.Linq;
using HtmlAgilityPack;

public class Program
{
    static void Main()
    {
        var document = new HtmlDocument();
        document.Load("test.html");
        var links =
            from element in document.DocumentNode.Descendants()
            let href = element.Attributes["href"]
            let src = element.Attributes["src"]
            where href != null || src != null
            select href != null ? href.Value : src.Value;

        foreach (var link in links)
        {
            Console.WriteLine(link);
        }
    }
}

产出：

www.google.com
www.gizmodo.com
www.google.com
www.imagesource.com

---

不清楚您希望从这个HTML中提取并存储什么信息。是否要提取超链接的所有

href

属性？或者图像的

href

和

src

？我想要该html中所有可能的内容，包括h3、all p、li、href和img src。如果可能的话，格式也一样。谢谢。如果内存可用，您可以在HtmlDocument类上使用XmlReader，它将按顺序对每个标记进行顺序读取，但我不确定您期望的输出是否能为您提供可以重建为精确Html的内容。但我还需要提取h3和p的文本！

www.google.com
www.gizmodo.com
www.google.com
www.imagesource.com