Linq解析HTML字符串

Question

我想解析一个html页面并从中获取一个特定的值。 如何使用Linq或C＃中的字符串解析来实现此目的？

-------------更多HTML ----------

     <span class="date">
        04.09.2012
    </span>
    <table cellspacing="0"><tr><th scope="row">1 EUR</th><td><span>**4,4907**</span></td><td><span class="rise">+0,0009</span></td><td><span class="rise">+0,02%</span></td></tr><tr><th scope="row">1 USD</th><td><span>3,5635</span></td><td><span class="fall">-0,0093</span></td><td><span class="fall">-0,26%</span></td></tr></table>

-------------更多HTML ----------

我有兴趣获得以粗体显示的值4,4907！

任何想法如何实现这一目标？

谢谢！

Answer 1

如果只需要该位，请使用正则表达式。 （ 但不要使用正则表达式来解析更复杂的HTML。 ）

<td><span>4,4907</span></td>

正则表达式将最方便地匹配

<td><span>([0-9,]+)</span></td> 

并查看此快速Google搜索页面 ，了解如何在C＃中使用正则表达式。

Answer 2

尝试解析HTML时要小心。

我认为最明显的方法是将其加载到XDocument（作为XML）中，但是由于HTML经常含糊不清或包含语法错误，因此注定会失败。

相反，这里出现堆栈溢出的人建议使用http://htmlagilitypack.codeplex.com/ ，据说这在解析html方面做得很好。 然后，您可以使用xpath查询文档中的各种内容。

Answer 3

您可以通过以下方式在C＃中尝试使用正则表达式：

http://www.c-sharpcorner.com/UploadFile/prasad_1/RegExpPSD12062005021717AM/RegExpPSD.aspx

查找“ <span> * ”和“ * </ span>”之间的字符串。

或者，您可以使用HTML解析器（例如“ jericho”）并浏览HTML标记以获取价值。