C# 读取html时的HtmlAlityPack问题

我正在用C#阅读网站，并将内容作为字符串获取……有些网站没有格式良好的html结构

我使用的是HtmlAgilityPack，在这种情况下会给我带来问题

你们能建议我使用什么，这样它就可以读取整个字符串，我就可以得到有用的信息吗

这是我的密码

 htmlDoc.LoadHtml(s);
  if (htmlDoc.ParseErrors != null && htmlDoc.ParseErrors.Count() > 0)

---

为什么我的情况下会出现这种情况

您得到的错误是什么？它是在抛出异常还是您只是想看到错误？很难说你真正的问题是什么

您可以使用

HtmlDoc.ParseErrors

属性查看HTML中的标记错误，并对它们进行迭代。这将为您提供行号、代码和错误类型

您可以在此处查看有关此属性的更多信息

编辑

好的，自从我回复后，你已经更新了你的问题。通过循环执行

，可以在IF语句中看到返回true的特定错误。上面描述了ParseErrors

第二次编辑

您可以像这样循环处理错误：

 foreach (var error in htmlDoc.ParseErrors)
 {
      Debug.WriteLine(error.Line);
      Debug.WriteLine(error.Reason);
 }

---

您必须修复HTML中的错误，在它生效后，您可以继续。 这是同样的问题：

---

如果您的html是外部的，并且您无法修复它，您可以首先通过清理预处理器运行它，然后使用

HtmlAgilityPack

解析它

这将尝试在

HtmlAgilityPack

看到它之前自动修复尽可能多的问题。最流行的HTML清理工具是Tidy。请参见此处的.NET版本：

---

我相信

ParseErrors

collection可以回答您的问题。我认为，您的HTML是无效的。你能提供s的值吗？@speti43是的，我知道我的html无效，这就是我在问题中提到的…我无法更正html，因为它直接来自网页..现在该怎么办？ParseErrors.count给我59，所以它在IF条件下出现。当我使用“htmlDoc.ParseErrors.ToString（）；”时，它给我这个错误。。。“System.Collections.Generic.List`1[HtmlAgilityPack.htmlparserror]”您不能只调用列表上的

.ToString（）

。您需要循环处理每个错误。@Methew-我已经更新了我的答案，演示了如何循环处理

parserrors

我选中了“htmlDoc.parserrors”，它告诉我\u code=“EndTagNotRequired”“而且_reasonend Tag不是必需的…好吧-这就回答了你的问题，不是吗？我检查了“htmlDoc.ParseErrors”它告诉我_code=“EndTagNotRequired”和_reasonend Tag不是必需的…@speti-我猜这不是他的HTML，因为他说他正在阅读网站。我假设是某种类型的蜘蛛。@DaveHogan:100%正确吗？我有一只蜘蛛，现在该怎么办？我没有说要更正网站html，只是更正内存中加载的html，但他可以更正特定的错误，所以这不是一个永久的解决方案。我使用“HtmlNode.ElementsFlags.Remove（“option”）；”。现在它给我一个不需要的En标记。。。