在搜索引擎的开发中，我们需要对网页的Html内容进行检索，难免的就需要对Html进行解析。拆分每一个节点并且获取节点间的内容。此文介绍两种C#解析Html的方法。

第一种方法：

用System.Net.WebClient下载Web Page存到本地文件或者String中，用正则表达式来分析。这个方法可以用在Web Crawler等需要分析很多Web Page的应用中。

估计这也是大家最直接，最容易想到的一个方法。

转自网上的一个实例：所有的href都抽取出来：

using System;

using System.Net;

using System.Text;

using System.Text.RegularExpressions;

namespace HttpGet

{

    class Class1

    {

        [STAThread]

        static void Main(string[] args)

        {

            System.Net.WebClient client = new WebClient();

            byte[] page = client.DownloadData("http://www.google.com");

            string content = System.Text.Encoding.UTF8.GetString(page);

            string regex = "href=[\\\"\\\'](http:\\/\\/|\\.\\/|\\/)?\\w+(\\.\\w+)*(\\/\\w+(\\.\\w+)?)*(\\/|\\?\\w*=\\w*(&\\w*=\\w*)*)?[\\\"\\\']";

            Regex re = new Regex(regex);

            MatchCollection matches = re.Matches(content);

            System.Collections.IEnumerator enu = matches.GetEnumerator();

            while (enu.MoveNext() && enu.Current != null)

            {

                Match match = (Match)(enu.Current);

                Console.Write(match.Value + "\r\n");

            }

        }

    }

}

一些爬虫的HTML解析中也是用的类似的方法。

第二种方法：

利用Winista.Htmlparser.Net 解析Html。这是.NET平台下解析Html的开源代码，网上有源码下载，百度一下就能搜到，这里就不提供了。并且有英文的帮助文档。找不到的留下邮箱。

个人认为这是.net平台下解析html不错的解决方案，基本上能够满足我们对html的解析工作。

自己做了个实例：

using System;

using System.Collections.Generic;

using System.ComponentModel;

using System.Data;

using System.Drawing;

using System.Linq;

using System.Text;

using System.Windows.Forms;

using Winista.Text.HtmlParser;

using Winista.Text.HtmlParser.Lex;

using Winista.Text.HtmlParser.Util;

using Winista.Text.HtmlParser.Tags;

using Winista.Text.HtmlParser.Filters;

namespace HTMLParser

{

    public partial class Form1 : Form

    {

        public Form1()

        {

            InitializeComponent();

            AddUrl();

        }

        private void btnParser_Click(object sender, EventArgs e)

        {

            #region 获得网页的html

            try

            {

                txtHtmlWhole.Text = "";

                string url = CBUrl.SelectedItem.ToString().Trim();

                System.Net.WebClient aWebClient = new System.Net.WebClient();

                aWebClient.Encoding = System.Text.Encoding.Default;

                string html = aWebClient.DownloadString(url);

                txtHtmlWhole.Text = html;

            }

            catch (Exception ex)

            {

                MessageBox.Show(ex.Message);

            }

            #endregion

            #region 分析网页html节点

            Lexer lexer = new Lexer(this.txtHtmlWhole.Text);

            Parser parser = new Parser(lexer);

            NodeList htmlNodes = parser.Parse(null);

            this.treeView1.Nodes.Clear();

            this.treeView1.Nodes.Add("root");

            TreeNode treeRoot = this.treeView1.Nodes[0];

            for (int i = 0; i < htmlNodes.Count; i++)

            {

                this.RecursionHtmlNode(treeRoot, htmlNodes[i], false);

            }

            #endregion

        }

        private void RecursionHtmlNode(TreeNode treeNode, INode htmlNode, bool siblingRequired)

        {

            if (htmlNode == null || treeNode == null) return;

            TreeNode current = treeNode;

            TreeNode content ;

            //current node

            if (htmlNode is ITag)

            {

                ITag tag = (htmlNode as ITag);

                if (!tag.IsEndTag())

                {

                    string nodeString = tag.TagName;

                    if (tag.Attributes != null && tag.Attributes.Count > 0)

                    {

                        if (tag.Attributes["ID"] != null)

                        {

                            nodeString = nodeString + " { id=\"" + tag.Attributes["ID"].ToString() + "\" }";

                        }

                        if (tag.Attributes["HREF"] != null)

                        {

                            nodeString = nodeString + " { href=\"" + tag.Attributes["HREF"].ToString() + "\" }";

                        }

                    }

                    

                    current = new TreeNode(nodeString);

                    treeNode.Nodes.Add(current);

                }

            }

            //获取节点间的内容

            if (htmlNode.Children != null && htmlNode.Children.Count > 0)

            {

                this.RecursionHtmlNode(current, htmlNode.FirstChild, true);

                content = new TreeNode(htmlNode.FirstChild.GetText());

                treeNode.Nodes.Add(content);

            }

            //the sibling nodes

            if (siblingRequired)

            {

                INode sibling = htmlNode.NextSibling;

                while (sibling != null)

                {

                    this.RecursionHtmlNode(treeNode, sibling, false);

                    sibling = sibling.NextSibling;

                }

            }

        }

        private void AddUrl()

        {

            CBUrl.Items.Add("http://www.hao123.com");

            CBUrl.Items.Add("http://www.sina.com");

            CBUrl.Items.Add("http://www.heuet.edu.cn");

        }

        

    }

}

运行效果：

实现取来很容易，结合Winista.Htmlparser源码很快就可以实现想要的效果。

小结：

简单介绍了两种解析Html的方法，大家有什么其他好的方法还望指教。