在.net中簡單解析HTML文件<U></U>值？

Question

在.NET中尋找一個簡單的方法來解析html文件以獲取<u></u>標籤中的所有值。

例：<U>105F</U>

可能有很多的這些與其他標籤的文件中，但所有我需要的是通過循環並取回所有值的列表，以便他們CNA然後進行處理。

尋找一個輕微小的方式來處理這個問題。

Answer 1

絕對正則表達式：

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

如果HTML文檔格式正確，XPath將是我的第一選擇。

請求的代碼示例（從未測試過）;

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); 

Answer 3

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

獲取你U節點

Answer 4

樣品的名單使用XPath用的XMLDocument

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

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

其從取

Answer 5

Html Agility Pack。

我強烈建議不要使用正則表達式來解析HTML。他們是一個偉大的工具，但他們不適合這份工作。 HTML太複雜了。只要你碰到其中一個邊緣情況（嵌入式標籤，嵌套標籤等），你就會明白我的意思。

編輯：另請參見Coding Horror: Parsing: Beyond Regex