仅从 HTML 获取显示的文本答案

【问题标题】：Getting displayed text only from HTML仅从 HTML 获取显示的文本
【发布时间】：2009-10-28 02:53:09
【问题描述】：

有没有一种简单的方法，使用 C# 打开任意 URL，读入文本，并将其缩减为网页中显示的内容？我想我可以得到

内容，并逐个字符地迭代该内容，撕掉（包括）之间的任何内容。我简要地查看了 HTML Agiligy Pack，可能是一个解决方案，但对于我正在尝试做的事情来说，它似乎非常繁重。

同样，我想要的只是一个文本字符串，它表示将在屏幕上显示的任意 URL 的文本。

【问题讨论】：

标签： c# html parsing

【解决方案1】：

我仍然会选择 HTML Agility 包 - 一开始它需要做更多的工作，但它更灵活，最后的设计也更好，因为它会提供更多功能 - 例如。 XPath 样式查询。

【讨论】：

【解决方案2】：

如果您只需要 HTML 的文本表示，这应该可以完成工作：

using System.Net;
...

public string GetSiteStringContents(string url)
{
    StringBuilder sb  = new StringBuilder();
    byte[] buf = new byte[8192];
    HttpWebRequest  request  = (HttpWebRequest) WebRequest.Create(url);
    HttpWebResponse response = (HttpWebResponse) request.GetResponse();

    Stream resStream = response.GetResponseStream();
    string tempString = null;
    int count = 0;
    do
    {
        count = resStream.Read(buf, 0, buf.Length);
        if (count != 0)
        {
            tempString = Encoding.ASCII.GetString(buf, 0, count);
            sb.Append(tempString);
        }
    }
    while (count > 0);

    return sb.ToString();
}

【讨论】：