如何以可读格式保存网页中的文本答案

【问题标题】：how to save the text in the web page in readable format如何以可读格式保存网页中的文本
【发布时间】：2011-09-21 00:01:50
【问题描述】：

例如，我有一个网页 (http://guyism.com/humor/mathematical-equations-that-explain-men.html)。使用HttpWebRequest我可以得到网页的流。现在我想将内容（见图）显示回浏览器，如下图所示。怎么能做到这一点。

【问题讨论】：

这是您服务器上的一个页面，还是您试图显示您无法控制的内容？它可以使方法有所不同。
您能展示一下您使用 HttpWebRequest 获取远程页面流的方式吗？你想简单地在页面的 div 中呈现该内容吗？
另外，您尝试访问的页面是否...是否需要登录？
一个 div 不起作用，因为他需要链接文件来加载，比如 css、javascript 等......另外，他想要一个图像格式，这意味着需要一些翻译/渲染在某个时候完成。
我无法控制内容。可能是随机页面。

标签： c# .net asp.net html

【解决方案1】：

使用 iframe 可能是解决问题的一种方法，具体取决于您要查找的内容。如果您想抓取页面并将它们吐出，另一种方法是使用 cURL。它还可以提供类似的功能。有一些基于它的网络代理。以下是两者的一些信息。

iframe：

http://www.iframehtml.com/

卷曲： http://curl.haxx.se/libcurl/c/example.html

.Net 的 cURL http://curl.haxx.se/libcurl/dotnet/

【讨论】：

【解决方案2】：

怎么样，使用 WebBrowser 控件。但是，这取决于 guyism.com 的结构，因此对于随机页面，您可以查找容器 div (??)

        void Load()
        {
            string html = DownloadHtml( "http://guyism.com/humor/mathematical-equations-that-explain-men.html" );

            MatchCollection matches = Regex.Matches( html, @"(<div class=""blog-post-inside"">.*?<center>---</center>)", RegexOptions.Singleline );    

            webBrowser.ScriptErrorsSuppressed = true;

            webBrowser.DocumentText = matches[ 0 ].Groups[ 1 ].Value;
        }

        string DownloadHtml( string url )
        {
            using ( var client = new WebClient() )
            {
                using ( var reader = new StreamReader( client.OpenRead( url ) ) )
                {
                    return reader.ReadToEnd();
                }
            }
        }

【讨论】：