使用HTML Agility Pack抓取元标记和注释

我一直在寻找使用HTML Agility Pack的教程，因为它似乎做了我想做的一切，但似乎对于这样一个强大的工具，它在互联网上几乎没有噪音。

我正在编写一个简单的方法，它将根据名称检索任何给定的标记：

public string[] GetTagsByName(string TagName, string Source) { ... } 

这可以使用正则表达式轻松完成，但我们都知道使用正则表达式解析HTML是不对的。 到目前为止，我有以下代码：

 ... // TODO: Clear Comments (can this be done or should I use RegEx?) HtmlDocument doc = new HtmlDocument(); doc.LoadHtml(Source); ArrayList tags = new ArrayList(); string xpath = "//" + TagName; foreach (HtmlTextNode node in doc.DocumentNode.SelectNodes(xpath) { tags.Add(node.Text); } return (string[])tags.ToArray(typeof(String)); 

我希望能够首先从HTML中删除所有注释，然后根据其名称返回正确的标记。 如果可能的话，我还想根据属性返回某些元标记，例如机器人。 我对xpath不太好，所以任何帮助都会很好。

任何帮助将非常感激。

Answer 1

HtmlAgilityPack的HtmlDocument实现了IXpathNavigable ，因此它使用标准的.NET XPath引擎。 任何XPath 1.0文档都适用，特别是如果它涉及System.Xml.XPath。

“// comment（）”查找所有评论
“// meta”找到所有“元”元素

HtmlDocument的设计看起来非常像XmlDocument ，因此有关它的示例和教程将在某种程度上适用。

一些MSDN链接：

• XPath参考
• 例子
• XPath函数