在搜尋引擎的開發中，我們需要對網頁的Html內容進行檢索，難免的就需要對Html進行解析。拆分每一個節點並且獲取節點間的內容。此文介紹兩種C#解析Html的方法。

    C#解析Html的第一種方法：

    用System.Net.WebClient下載Web Page存到本地檔案或者String中，用正則表示式來分析。這個方法可以用在Web Crawler等需要分析很多Web Page的應用中。

    估計這也是大家最直接，最容易想到的一個方法。

    轉自網上的一個例項：所有的href都抽取出來：

1. using System;  
2. using System.Net;  
3. using System.Text;  
4. using System.Text.RegularExpressions;  
5. namespace HttpGet  
6. {  
7.     class Class1  
8.     {  
9.         [STAThread]  
10.         static void Main(string[] args)  
11.         {  
12.             System.Net.WebClient client = new WebClient();  
13.             byte[] page = client.DownloadData("http://www.google.com");  
14.             string
     content = System.Text.Encoding.UTF8.GetString(page);  
15.             string regex = "href=[\\\"\\\'](http:\\/\\/|\\.\\/|\\/)?\\w+(\\.\\w+)*(\\/\\w+(\\.\\w+)?)*(\\/|\\?\\w*=\\w*(&\\w*=\\w*)*)?[\\\"\\\']";  
16.             Regex re = new Regex(regex);  
17.             MatchCollection matches = re.Matches(content);  
18.             System.Collections.IEnumerator enu = matches.GetEnumerator();  
19.             while (enu.MoveNext() && enu.Current != null)  
20.             {  
21.                 Match match = (Match)(enu.Current);  
22.                 Console.Write(match.Value + "\r\n");  
23.             }  
24.         }  
25.     }  
26. } 

    一些爬蟲的HTML解析中也是用的類似的方法。

    C#解析Html的第二種方法：

    利用Winista.Htmlparser.Net 解析Html。這是.NET平臺下解析Html的開原始碼，網上有原始碼下載，百度一下就能搜到，這裡就不提供了。並且有英文的幫助文件。找不到的留下郵箱。

    個人認為這是.net平臺下解析html不錯的解決方案，基本上能夠滿足我們對html的解析工作。

    自己做了個例項：

1. using System;  
2. using System.Collections.Generic;  
3. using System.ComponentModel;  
4. using System.Data;  
5. using System.Drawing;  
6. using System.Linq;  
7. using System.Text;  
8. using System.Windows.Forms;  
9. using Winista.Text.HtmlParser;  
10. using Winista.Text.HtmlParser.Lex;  
11. using Winista.Text.HtmlParser.Util;  
12. using Winista.Text.HtmlParser.Tags;  
13. using Winista.Text.HtmlParser.Filters;  
14. namespace HTMLParser  
15. {  
16.     public partial class Form1 : Form  
17.     {  
18.         public Form1()  
19.         {  
20.             InitializeComponent();  
21.             AddUrl();  
22.         }  
23.         private void btnParser_Click(object sender, EventArgs e)  
24.         {  
25.             #region 獲得網頁的html  
26.             try 
27.             {  
28.                 txtHtmlWhole.Text = "";  
29.                 string url = CBUrl.SelectedItem.ToString().Trim();  
30.                 System.Net.WebClient aWebClient = new System.Net.WebClient();  
31.                 aWebClient.Encoding = System.Text.Encoding.Default;  
32.                 string html = aWebClient.DownloadString(url);  
33.                 txtHtmlWhole.Text = html;  
34.             }  
35.             catch (Exception ex)  
36.             {  
37.                 MessageBox.Show(ex.Message);  
38.             }  
39.             #endregion  
40.             #region 分析網頁html節點  
41.             Lexer lexer = new Lexer(this.txtHtmlWhole.Text);  
42.             Parser parser = new Parser(lexer);  
43.             NodeList htmlNodes = parser.Parse(null);  
44.             this.treeView1.Nodes.Clear();  
45.             this.treeView1.Nodes.Add("root");  
46.             TreeNode treeRoot = this.treeView1.Nodes[0];  
47.             for (int i = 0; i <  htmlNodes.Count; i++)  
48.             {  
49.                 this.RecursionHtmlNode(treeRoot, htmlNodes[i], false);  
50.             }  
51.             #endregion  
52.         }  
53.         private void RecursionHtmlNode(TreeNode treeNode, INode htmlNode, bool siblingRequired)  
54.         {  
55.             if (htmlNode == null || treeNode == null) return;  
56.             TreeNode current = treeNode;  
57.             TreeNode content ;  
58.             //current node  
59.             if (htmlNode is ITag)  
60.             {  
61.                 ITag tag = (htmlNode as ITag);  
62.                 if (!tag.IsEndTag())  
63.                 {  
64.                     string nodeString = tag.TagName;  
65.                     if (tag.Attributes != null && tag.Attributes.Count > 0)  
66.                     {  
67.                         if (tag.Attributes["ID"] != null)  
68.                         {  
69.                             nodeString = nodeString + " { id=\"" + tag.Attributes["ID"].ToString() + "\" }";  
70.                         }  
71.                         if (tag.Attributes["HREF"] != null)  
72.                         {  
73.                             nodeString = nodeString + " { href=\"" + tag.Attributes["HREF"].ToString() + "\" }";  
74.                         }  
75.                     }  
76.                     current = new TreeNode(nodeString);  
77.                     treeNode.Nodes.Add(current);  
78.                 }  
79.             }  
80.             //獲取節點間的內容  
81.             if (htmlNode.Children != null && htmlNode.Children.Count > 0)  
82.             {  
83.                 this.RecursionHtmlNode(current, htmlNode.FirstChild, true);  
84.                 content = new TreeNode(htmlNode.FirstChild.GetText());  
85.                 treeNode.Nodes.Add(content);  
86.             }  
87.             //the sibling nodes  
88.             if (siblingRequired)  
89.             {  
90.                 INode sibling = htmlNode.NextSibling;  
91.                 while (sibling != null)  
92.                 {  
93.                     this.RecursionHtmlNode(treeNode, sibling, false);  
94.                     sibling = sibling.NextSibling;  
95.                 }  
96.             }  
97.         }  
98.         private void AddUrl()  
99.         {  
100.             CBUrl.Items.Add("http://www.hao123.com");  
101.             CBUrl.Items.Add("http://www.sina.com");  
102.             CBUrl.Items.Add("http://www.heuet.edu.cn");  
103.         }  
104.     }  
105. } 

    執行效果：

    實現取來很容易，結合Winista.Htmlparser原始碼很快就可以實現想要的效果。

    小結：

    簡單介紹了兩種C#解析Html的的方法，大家有什麼其他好的方法還望指教。