.NET 的 HTML 解析库 [关闭]

Question

我正在寻找用于解析 HTML 以提取链接、表单、标签等的库。

• http://www.majestic12.co.uk/projects/html_parser.php
• http://www.netomatix.com/Products/DocumentManagement/HtmlParserNet.aspx
• http://www.developer.com/net/csharp/article.php/2230091

LGPL 或任何其他商业开发友好的许可证是可取的。

您对其中一个库有任何经验吗？或者你能推荐另一个类似的库吗？

Answer 1

HTML Agility Pack 有这种类型的示例，并使用 xpath 进行熟悉的查询 - 例如（从主页），查找所有链接很简单：

foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a@href")) {
    //...
}

---

编辑

截至 2012 年 6 月 19 日，上面的代码以及 HTML Agility Pack Examples 页面上显示的唯一代码示例将无法使用。只需稍作调整，如下所示。

HtmlDocument doc = new HtmlDocument();
doc.Load("file.htm");

foreach (HtmlNode link in doc.DocumentNode.SelectNodes("//a[@href]"))
{
  HtmlAttribute att = link.Attributes["href"];
  att.Value = Foo(att); // fix the link
}
doc.Save("file.htm");