替代正则表达式以解析链接的 HTML 页面 [重复]

Question

所以我正在尝试构建一个网络爬虫。我已经开始传递请求并获取页面的所有 HTML 作为响应。

接下来我想到了使用正则表达式从 HTML 页面中提取链接。然而，我越是尝试学习它们，它们看起来就越棘手。

有没有正则表达式的替代品（这似乎是一个讨论问题，但不是我已经搜索了互联网并没有找到满意的答案）。

Answer 1

HtmlAgilityPack 是 .NET 中最著名的 HTML 解析库。

Answer 2

正则表达式不能用于 HTML 解析（请参阅http://www.codinghorror.com/blog/2009/11/parsing-html-the-cthulhu-way.html），请使用适当的 HTML 解析器，如 HtmlAgilityPack ：

http://www.nuget.org/packages/HtmlAgilityPack