用于.NET的HTML解析库

Question

我正在寻找解析HTML的库来提取链接,表单,标签等.

• 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许可证是优选的.

你有过这个图书馆的经验吗？或者你能推荐另一个类似的图书馆？

Answer 1

该HTML敏捷性包恰好有这种类型的事情的例子,使用XPath熟悉的查询-例如(从主页),找到所有链接很简单:

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示例页面上显示的唯一代码示例将不起作用.只需稍微调整,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");