c# - 在不使用浏览器控件的情况下从字符串获取 HtmlDocument

Question

我使用 WebClient 获取网页的 html 代码（作为字符串）。

但是我想把它变成一个 HtmlDocument 对象，这样我就可以使用这个类提供的 DOM 特性。目前我知道如何做到这一点的唯一方法是使用浏览器控件，如下所示：

            string pageHtml = client.DownloadString(url);

            browser.ScriptErrorsSuppressed = true;

            browser.DocumentText = pageHtml;

            do
            {
                Application.DoEvents();

            } while (browser.ReadyState != WebBrowserReadyState.Complete);

            return browser.Document;

还有另一种方法吗？我知道还有其他可用的浏览器控件，但有更简单的方法吗？

Answer 1

您可以使用HtmlAgilityPack .... 例如：

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

var results = doc.DocumentNode
    .Descendants("div")
    .Select(n => n.InnerText);

Answer 2

我知道这是一篇旧帖子，但我的回复是为像我一样来到这里的其他人

如果您想使用代码 .NET 执行此操作，您必须这样做

public System.Windows.Forms.HtmlDocument GetHtmlDocument(string html)
        {
            WebBrowser browser = new WebBrowser();
            browser.ScriptErrorsSuppressed = true;
            browser.DocumentText = html;
            browser.Document.OpenNew(true);
            browser.Document.Write(html);
            browser.Refresh();
            return browser.Document;
        }

Answer 3

我知道这是一个老话题，我的解决方案：

public static class HtmlHelpr{

        public static HtmlDocument HtmlDocumentFromFile(this string PathToHtml){
            using(WebBrowser wb = new WebBrowser()){            
                string s = File.ReadAllText(PathToHtml);
                wb.ScriptErrorsSuppressed = true;
                wb.DocumentText = s;
                var hd = wb.Document;
                hd.Write(s);
                return  hd;
            }
        }
    }