C#搜索引擎开发解析HTML的两种方法.docVIP

C#搜索引擎开发解析HTML的两种方法 C#解析Html的第一种方法： 用System.Net.WebClient下载Web Page存到本地文件或者String中，用正则表达式来分析。这个方法可以用在Web Crawler等需要分析很多Web Page的应用中。 估计这也是大家最直接，最容易想到的一个方法。 转自网上的一个实例：所有的href都抽取出来： using?System; ? using?System.Net; ? using?System.Text; ? using?System.Text.RegularExpressions; ? namespace?HttpGet ? { ? ????class?Class1 ? ????{ ? ????????[STAThread] ? ????????static?void?Main(string[]?args) ? ????????{ ? ????????????System.Net.WebClient?client?=?new?WebClient(); ? ????????????byte[]?page?=?client.DownloadData(); ? ????????????string?content?=?System.Text.Encoding.UTF8.GetString(page); ? ????????????string?regex?=?href=[\\\\\\](http:\\/\\/|\\.\\/|\\/)?\\w+(\\.\\w+)*(\\/\\w+(\\.\\w+)?)*(\\/|\\?\\w*=\\w*(\\w*=\\w*)*)?[\\\\\\]; ? ????????????Regex?re?=?new?Regex(regex); ? ????????????MatchCollection?matches?=?re.Matches(content); ? ? ????????????System.Collections.IEnumerator?enu?=?matches.GetEnumerator(); ? ????????????while?(enu.MoveNext()??enu.Current?!=?null) ? ????????????{ ? ????????????????Match?match?=?(Match)(enu.Current); ? ????????????????Console.Write(match.Value?+?\r\n); ? ????????????} ? ????????} ? ????} ? }? 一些爬虫的HTML解析中也是用的类似的方法。 C#解析Html的第二种方法： 利用Winista.Htmlparser.Net 解析Html。这是.NET平台下解析Html的开源代码，网上有源码下载，百度一下就能搜到，这里就不提供了。并且有英文的帮助文档。找不到的留下邮箱。 个人认为这是.net平台下解析html不错的解决方案，基本上能够满足我们对html的解析工作。 自己做了个实例： using?System; ? using?System.Collections.Generic; ? using?System.ComponentModel; ? using?System.Data; ? using?System.Drawing; ? using?System.Linq; ? using?System.Text; ? using?System.Windows.Forms; ? using?Winista.Text.HtmlParser; ? using?Winista.Text.HtmlParser.Lex; ? using?Winista.Text.HtmlParser.Util; ? using?Winista.Text.HtmlParser.Tags; ? using?Winista.Text.HtmlParser.Filters; ? ? ? namespace?HTMLParser ? { ? ????public?partial?class?Form1?:?Form ? ????{ ? ????????public?Form1() ? ????????{ ? ????????????InitializeComponent(); ? ????????????AddUrl(); ? ????????} ? ? ????????private?void?btnParser_Click(object?sender,?EventArgs?e) ? ????????{ ? ????????????#r