摘要：向HtmlAgilityPack道歉：解析HTML还是你好用2012-02-07 22:253106人阅读评论(4)收藏举报去年写过一篇文章《解析HTML最好的类还是微软自己的》（http://www.cnblogs.com/rupeng/archive/2010/06/26/1765840.html），回复中有朋友提到可以使用HtmlAgilityPack来进行HTML的解析。当时只是匆匆的测试了一下，发现HtmlAgilityPack得到的InnerText中有很多的不干净的script、样式内容，就断定“不是很满意，解析DiscuzNT！论坛的帖子页面的时候有问题，没法正确得到Body. 阅读全文

摘要：据说Jumony Parser是目前对HTML规范支持最好的HTML Parserhttp://www.cnblogs.com/Ivony/archive/2010/12/19/jumony-guide-1.html 阅读全文

摘要：利用HtmlAgilityPack抓取XX网站图片并下载~~~~~~邪恶版。。。。 ！！！--声明啊（运行后，我不是您想的那种人的。。。。。。）--！！ 我看到已经有2人反对了这篇文章，真是打击呀，我也没怎么伤天害理嘛，手下留情，please...由于提前到了学校，昨晚逛博客园的时候，意外发现了HtmlAgilityPack这个好东东，是微软的一个类库，用来分析Html页面的结构啊，等等。。。。。不得不说，HtmlAgil... 阅读全文

摘要：Highlighter.dll里面提供了一个函数GetBestFragments，居然不好用，没查到是什么原因。索性自己写一个，参数分别是:1 source，字符串，网页内容；2keyArr，字符串数组，关键字数组。protectedstringGetBestFragments(stringsource,string[]keyArr){stringresult;intstartMin,startM... 阅读全文

摘要：做房产网站的垂直搜索，大多数网站的网页都是动态的，所以无法从response里面提取last-modified，而房产网页里面都带有时间，但是格式却不尽相同：有2007-10-01，2007年10月1日等等。所以就写了一个类专门提取时间，并把时间提取之后统一存为2007-01-01的格式。1publicstringGetPubdate()2{3intnDateStart;4StringstrDat... 阅读全文

摘要：命名空间里有两个类：1.HtmlUtil;2.Htmlpage。分别引用的别人的写好的类，其中也做了不少改变。一开始是用HtmlUtil解析网页，它使用正则表达式解析HTML网页，后来发现某些情况下解析的不是太好。后来在sourceforge里面发现了MLIHTML拿过来用了一下，还不错。1usingSystem;2usingSystem.Collections.Generic;3usingSys... 阅读全文