Простой анализ html-файла для значений <U></U> в .net?

Question

Ищите в .NET простые средства для анализа html-файла, чтобы получить все значения в тегах <u></u>.

Пример: <U>105F</U>

В этом файле может быть много таких тегов с другими тегами, но все, что мне нужно, это циклически пройти и получить список всех значений, чтобы они могли быть затем обработаны.

Ищете легкий маленький способ справиться с этим.

Answer 1

Определенно Регулярные выражения:

Dim myPattern As String = "<U>(.*?)</U>"

    For Each thisMatch As Match In System.Text.RegularExpressions.Regex.Matches(myPage1HTML, myPattern,RegexOptions.IgnoreCase)
            Response.write(thisMatch.ToString)
    Next

Answer 2

Html Agility Pack .

Я настоятельно советую не использовать регулярные выражения для разбора HTML. Они отличный инструмент, но они не подходят для этой работы. HTML просто слишком сложен. Как только вы нажмете один из крайних вариантов (встроенные теги, вложенные теги и т. Д.), Вы поймете, что я имею в виду.

РЕДАКТИРОВАТЬ: См. Также Код ужасов: Разбор: за пределами регулярных выражений

Answer 3

пример использования Xpath с XMLDocument

XmlDocument doc = new XmlDocument();
doc.Load("file.html");

XmlNodeList nodeList = doc.DocumentElement.SelectNodes("//u");
foreach (XmlNode title in nodeList) {
    Console.WriteLine(title.InnerXml);
}

взято из здесь

Answer 4

XmlNodeList list = doc.SelectNodes("//u");

Получает список U узлов

Answer 5

Если HTML-документ правильно сформирован, XPath будет моим первым выбором.

Пример запрашиваемого кода (никогда не проверял);

var doc                    = new XPathDocument (@"path\to\file.html");
XPathNavigator navigator   = doc.CreateNavigator ();
XPathNodeIterator iterator = navigator.Select ("//U");
while (iterator.MoveNext ())
    Console.WriteLine ("U: {0}", iterator.Current.Value);