[英]Parsing web pages via C#, XmlDocument.LoadXml
我正在尝试下载网页并对其进行解析。 我需要到达html文档的每个节点。 因此,我使用WebClient下载,效果很好。 然后,我使用以下代码段来解析文档:
WebClient client = new WebClient();
Stream data = client.OpenRead("http://web.cs.hacettepe.edu.tr/~bil339/");
StreamReader reader = new StreamReader(data);
string xml = reader.ReadToEnd();
data.Close();
reader.Close();
XmlDocument xmlDoc = new XmlDocument();
xmlDoc.loadXml(xml);
在最后一行,程序等待一段时间,然后崩溃。 它说HTML代码中有错误,这是不希望的,不应该在这里,等等。是否有任何建议可解决此问题? 欢迎使用其他解析HTML代码的技术(当然,在C#中)。
使用HTMLAgilityPack解析HTML。 格式正确的HTML并非XML,因此无法进行解析。 例如,它缺少所有XML文件都需要的<?xml version="1.0" encoding="UTF-8"?>
前言。 HTML Agility Pack更宽容。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.