在不使用 XML 解析器的情况下从 XML 文档中提取数据答案

【问题标题】：Extracting data from an XML document without using an XML parser在不使用 XML 解析器的情况下从 XML 文档中提取数据
【发布时间】：2011-06-05 14:30:10
【问题描述】：

这是文档的几行：

  <div class="rowleft">
    <h3>Technical Fouls</h3>

    <table class="num-left">
      <tr class="datahl2b"> 
        <td>&nbsp;</td>
            <td>Players</td>
          </tr>
          <tr> 
            <td>DAL</td>
            <td>
              None</td>

          </tr>
          <tr> 
            <td>MIA</td>
            <td>
              Mike Miller</td>
            <td>
              Mike Miller, Jr.</td>
          </tr>
        </table>
    </div>

我有兴趣从中提取 None 和 Mike Miller 和 Mike Miller, Jr.。我尝试使用各种 XML 解析器，但 1) 性能很差， 2) 文档显然不是格式正确的 XML 文档。

我一直在考虑的一件事是去除文档中的换行符，将其拆分为 <tr> 之类的内容，查看哪些行包含数据（可能使用 StartsWith()），然后使用正则表达式提取它。这对我的程序来说已经足够高效了（下载文档需要 5 秒时需要半秒并不重要），但我对它的替代解决方案很感兴趣。

【问题讨论】：

性能很差？你能展示你一直在尝试的代码吗？
@Tomalak：对不起，它早已不复存在。但是将文档加载到变量中需要 20 多秒。
@Hui 这听起来像是下载需要时间，而不是加载。如果将它们分成两条不同的行会发生什么？一下载一启动解析器
@Oskar：使用WebClient 下载它需要 4-5 秒，所以这不是问题。
@Hui “它早就消失了”？怎么可能？

标签： c# xml regex

【解决方案1】：

Relevant

HTML 通常不是格式正确的 XML，我建议你使用类似 HTML Agility pack

【讨论】：

【解决方案2】：

尝试使用字符串操作和正则表达式解析 HTML 总是很容易出错。

如果您的文档不是格式正确的 XML，我建议使用 HTML Agility Pack

【讨论】：