C# 从 HTML 解析 XML 正文并保存到文件

Question

C# 从 API 执行 GET 后，它返回嵌入在 Z4C4AD5FCA2E7A3F74DBB1CED00 文件中的 XML 代码：

<!DOCTYPE html>

<html lang="en">
    <head>
        <meta name="viewport" content="initial-scale=1, width=device-width">
        <title>config</title>
    </head>
    <body>
        
<CONFIG="2"/>
<VALUE1="1"/>
<VALUE2="2"/>
<CONFIGEND="0"/>

    </body>
</html>

我正在尝试将正文“<CONFIG...CONFIGEND="0"/>”中的 XML 内容保存到文件中。 我使用 HtmlAgilityPack 的尝试导致 XML 数据被修改如下：

<CONFIG="2"></CONFIG>
...
<CONFIGEND="0"></CONFIGEND>

我是 C#（和一般编程）的新手，所以请善待。 搜索尝试让我比开始时更加困惑：/

Answer 1

是的，您已经发现HtmlAgilityPack正在转换一些东西。 Html 实际上是一个 Xml 文件。 但System.Xml.XmlDocument无法处理此 html 文件。 所以需要手动解析。

作为 Anis R。 说，最好的方法是正则表达式。 要使用RegularExpressions，需要添加using System.Text.RegularExpressions; 到第一行。

假设您的 Html 内容在htmlstring变量中。

首先，您需要为您的案例定义模式。

string regexPattern = @"\<body\>(.*?)\<\/body\>";
Regex regex = new Regex(regexPattern, RegexOptions.Singleline);

您需要使用RegexOptions.Singleline选项。 因为您的 html 内容将有换行符。

string body = regex.Match(htmlstring).Value;

有了这个，你将拥有：

<body>
        
<CONFIG="2"/>
<VALUE1="1"/>
<VALUE2="2"/>
<CONFIGEND="0"/>

    </body>

删除身体标签；

string result = body.Replace("<body>", "").Replace("</body>", "");

修剪前导和尾随空格；

string prettierResult = result.Trim();

现在你有；

<CONFIG="2"/>
<VALUE1="1"/>
<VALUE2="2"/>
<CONFIGEND="0"/>

将内容保存到文件；

File.WriteAllText("c:\\path-to-save", prettierResult);

Answer 2

如果格式是一致的¹ （例如，您总是想要<body>...</body>之间的所有内容），那么一种方法是使用正则表达式：

string pattern = @"<body>(.*)</body>";  
Regex rg = new Regex(pattern);  
        
string html = "<body>Content here</body>";  
        
// get first match and print it
Match firstMatch = rg.Matches(html)[0];
Console.WriteLine(firstMatch.Groups[1]); // "Content here"

（PS：这需要using System.Text.RegularExpressions; ）

¹牢记这一点

C# 从 HTML 解析 XML 正文并保存到文件

问题描述

2 个解决方案

解决方案1
2 已采纳 2021-02-20 21:39:35

解决方案2
0 2021-02-20 20:49:39

C# 从 HTML 解析 XML 正文并保存到文件

问题描述

2 个解决方案

解决方案1 2 已采纳 2021-02-20 21:39:35

解决方案2 0 2021-02-20 20:49:39

解决方案1
2 已采纳 2021-02-20 21:39:35

解决方案2
0 2021-02-20 20:49:39