.net에서의 html 스크랩

Question

.net. HTML 웹 페이지를 긁는 가장 좋은 방법은 무엇입니까?

.net 프레임 워크 2에서 실행되는 모든 오픈 소스가 있으며 모든 HTML을 객체에 넣습니다. "HTML 민첩성 팩"에 대한 기사를 읽었으나 다른 의견이 있습니까?

Answer 1

나는 HtmlAgilityPack는 생각하지만 당신은 또한

1. Fizzler 사용할 수 있습니다 : C#
2. SgmlReader에 대한 CSS 선택기 엔진 : 유효한 XML
3. SharpQuery에 html로 변환 : 대안 fizzler

Answer 2

당신은 Tidy 라이브러리를위한 # 래퍼 인 Tidy.net을 XHTML로 HTML을 변환하기 위해 사용할 수 있습니다 : http://sourceforge.net/projects/tidynet/ 그래서 당신은 유효한 XML을 얻고 그것을 처리 할 수 ​​있습니다.

나는 이런 식으로 할 것 :

 // don't forget to import TidyNet and System.Xml.Linq 

     var t = new Tidy(); 
     TidyMessageCollection messages = new TidyMessageCollection(); 
     t.Options.Xhtml = true; 

     //extra options if you plan to edit the result by hand 
     t.Options.IndentContent = true; 
     t.Options.SmartIndent = true; 
     t.Options.DropEmptyParas = true; 
     t.Options.DropFontTags = true; 
     t.Options.BreakBeforeBR = true; 




     string sInput = "your html code goes here"; 
     var bytes = System.Text.Encoding.UTF8.GetBytes(sInput); 

     StringBuilder sbOutput = new StringBuilder(); 

     var msIn = new MemoryStream(bytes); 
     var msOut = new MemoryStream(); 

     t.Parse(msIn, msOut, messages); 
     var bytesOut = msOut.ToArray(); 
     string sOut = System.Text.Encoding.UTF8.GetString(bytesOut); 

     XDocument doc = XDocument.Parse(sOut); 

     //process XML as you like 

그렇지 않으면, HTML 민첩성 팩이 괜찮습니다.