C是否有linq-to-html,或者其他一些很好的.NET HTML操作API?

尽管它不是基于LINQ的, 我建议研究 HTML Agility Pack 来自CODULTEX。

注意:HTML敏捷性包现在支持LINQ到对象(通过类似LINQ到XML的接口)

从HTML敏捷性包页面:

这是一个敏捷的HTML解析器,它构建了一个读/写DOM,并支持普通的xpath或xslt(您实际上不需要理解xpath或xslt就可以使用它,不用担心…)。它是一个.NET代码库,允许您解析“离开Web”的HTML文件。解析器对“真实世界”格式错误的HTML非常宽容。对象模型与System.xml的建议非常相似,但对于HTML文档(或流)。

这里有一个linq to html库:

http://www.superstarcoders.com/linq-to-html.aspx

HTML的格式很少好到可以可靠地使用LINQ to XML。它是 可以想象的 您可能会发现一个HTML“清理器”,它可以很好地修复格式以供阅读,但并不能说明它有多强大。

我假设这是一个“screensraper”,它从一个您无法控制的HTML表中读取。在这种情况下,不要过分强调健壮性,屏幕抓取本身就是脆弱的。如果您的需求是一成不变的,那么如果/当您正在擦除的HTML发生变化时,请设计一个易于更新的scraper。

我在最近的一个项目中不得不这样做,并且使用了LinqToXML。如果您知道XHTML总是干净的,那么您可以非常容易地递归地复制DOM,但是我使用了devcomponents htmldocument类库( http://www.devcomponents.com/htmldoc/ )将HTML转换为XML,然后将其转换为Xelement。这减少了将HTML放入Xelement层次结构的挑战。一个警告是它会扼杀脚本元素,所以我用暴力删除了那些元素。

    /// <summary>
    /// Extracts an HtmlDocument DOM to an XElement DOM that can be queried using LINQ to XML.
    /// </summary>
    /// <param name="htmlDocument">HtmlDocument containing DOM of page to extract.</param>
    /// <returns>HTML content as <see cref="XElement" /> for consumption by LINQ to XML.</returns>
    public XElement ExtractXml(HtmlDocument htmlDocument) {
        XmlDocument xmlDoc = htmlDocument.ToXMLDocument();

        // Find and remove all script tags from XML DOM or LINQ to XML will choke on XElement.Parse(XmlDocument).
        IList<XmlNode> nodes = new List<XmlNode>();
        foreach (XmlNode node in xmlDoc.GetElementsByTagName("script"))
            nodes.Add(node);
        foreach (XmlNode node in nodes)
            node.ParentNode.RemoveChild(node);

        return XElement.Parse(xmlDoc.OuterXml);
    }

我在这里发布了一些提供“linq to html”功能的代码:

Looking for C# HTML parser