C# HTMLAgilityPack HTML 到文本 - 解析错误

发布于 2024-09-24 17:58:00 字数 245 浏览 6 评论 0原文

我需要使用 C# 从 HTML 文件中提取文本。我正在尝试使用 HTMLAgilityPack，但我看到一些解析错误（标签未关闭）。我正在使用这两个选项：

        htmlDoc.OptionFixNestedTags = true;
        htmlDoc.OptionAutoCloseOnEnd = true;

是否有任何“修复全部”类型的选项。我不在乎错误，我只想要内容或关闭。

原文

I need to extract text from an HTML file using C#.
I am trying to use HTMLAgilityPack but I am seeing some parse errors (tags not closed).
I am using these two options:

        htmlDoc.OptionFixNestedTags = true;
        htmlDoc.OptionAutoCloseOnEnd = true;

Is there any "Fix all" type option. I don't care about the errors, I just want the content or close.

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

凉月流沐 2024-10-01 17:58:00

也许这是解决方法，但一旦我必须从 HTML 中提取文本，我就使用了正则表达式：

result = Regex.Replace(result, @"<(.|\n)*?>", String.Empty);
result = Regex.Replace(result, @"^\n*", String.Empty, RegexOptions.Singleline | RegexOptions.IgnoreCase);
result = Regex.Replace(result, @"\n*$", String.Empty, RegexOptions.Singleline | RegexOptions.IgnoreCase);
result = result.Replace("\n", " ");

Maybe this is workaround but once I had to extract text from HTML I used regex:

result = Regex.Replace(result, @"<(.|\n)*?>", String.Empty);
result = Regex.Replace(result, @"^\n*", String.Empty, RegexOptions.Singleline | RegexOptions.IgnoreCase);
result = Regex.Replace(result, @"\n*$", String.Empty, RegexOptions.Singleline | RegexOptions.IgnoreCase);
result = result.Replace("\n", " ");

回复收藏 0 原文

~没有更多了~