如何阅读在C＃中的网站内容？(How to read the Website content in

我想读不带HTML标签和标题的网站的文字。我只需要在网络浏览器中显示的文本。

我不需要这样的

<html>
<body>
bla bla </td><td>
bla bla 
<body>
<html>

我只需要文本“唧唧歪歪喇嘛”。

我已经使用了Web客户端和HttpWebRequest的方法来获取HTML内容和分裂接收到的数据，但它是不可能的，因为如果我更改了网站上的标签可能会改变。

那么，有没有办法让只有在网站anagrammatically显示的文本？

Answer 1:

这里是你将如何使用做HtmlAgilityPack 。

首先您的样本HTML：

var html = "<html>\r\n<body>\r\nbla bla </td><td>\r\nbla bla \r\n<body>\r\n<html>";

加载它（在这种情况下，一个字符串）：

var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);

如果从网络上获得的，相似的：

var web = new HtmlWeb();
var doc = web.Load(url);

现在选择用非空白仅文本节点，并修剪它们。

var text = doc.DocumentNode.Descendants()
              .Where(x => x.NodeType == HtmlNodeType.Text && x.InnerText.Trim().Length > 0)
              .Select(x => x.InnerText.Trim());

如果你喜欢，你可以得到这个作为一个单一的加入字符串：

String.Join(" ", text)

当然，这只适用于简单的网页的工作。任何复杂的也将返回数据，你显然不希望节点，如JavaScript函数等。

Answer 2:

您需要使用特殊的HTML解析器。只有这样，才能得到这种非正规的语言的内容。

请参阅：什么是用C＃来解析HTML的最佳方式？

Answer 3:

public string GetwebContent(string urlForGet)
{
    // Create WebClient
    var client = new WebClient();
    // Download Text From web
    var text = client.DownloadString(urlForGet);
    return text.ToString();
}

Answer 4:

我觉得这个链接可以帮助你。

/// <summary>
/// Remove HTML tags from string using char array.
/// </summary>
public static string StripTagsCharArray(string source)
{
char[] array = new char[source.Length];
int arrayIndex = 0;
bool inside = false;

for (int i = 0; i < source.Length; i++)
{
    char let = source[i];
    if (let == '<')
    {
    inside = true;
    continue;
    }
    if (let == '>')
    {
    inside = false;
    continue;
    }
    if (!inside)
    {
    array[arrayIndex] = let;
    arrayIndex++;
    }
}
return new string(array, 0, arrayIndex);
}

Answer 5:

// Reading Web page content in c# program
//Specify the Web page to read
WebRequest request = WebRequest.Create("http://aspspider.info/snallathambi/default.aspx");
//Get the response
WebResponse response = request.GetResponse(); 
//Read the stream from the response
StreamReader reader = new StreamReader(response.GetResponseStream()); 
//Read the text from stream reader
string str = reader.ReadLine();
for(int i=0;i<200;i++)
{
   str += reader.ReadLine();

}

Console.Write(str);

文章来源: How to read the Website content in c#?