Обработка тегов не Regex/ом

[coNsept]

Здравствуйте Уважаемые программисты, собственно вопрос по парсингу HTML страниц. Существуют ли какие-то библиотеки по теме, кроме регулярных выражений и кроме тех методов что можно использовать у контрола WebBrowser?

[Luuzuk]

Да, всегда все можно сделать вручную
Понадобится поиск подстроки в строке, выделение подстроки из строки, уйма терпения и усидчивости

А если серьезно, то есть множество библиотек. Например, http://htmlagilitypack.codeplex.com/ (здесь краткая инструкция на Хабре).

[coNsept]

Вот, последнее это именно то что я искал, вылетело из головы название библиотеки. А по гуглу с запросом: "c# поиск тегов" ничего кроме регулярных выражений не выдает. Большое спасибо, еще нашел вариант это mshtml но она мне не очень нравится...

[winhttp]

эти библиотеки наверное сами используют Regex

[coNsept]

Может быть, но тем не менее они не менее полезны чем Regex

[winhttp]

Сообщение от coNsept

Может быть, но тем не менее они не менее полезны чем Regex

Чем полезны? вот пример получения слова после "action=" в исходнике. HtmlAgilityPack -

            HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
             doc.LoadHtml(s);
             HtmlNode bodyNode = doc.DocumentNode.SelectSingleNode("//div[@class='cont']/form");
             string result1 = bodyNode.Attributes["action"].Value;

регулярные выражения -

string result1=Regex.Match(s,@"action=""(.*?)"">").Groups[1].Value;

так в чем их польза\преимущество?

[Пепел Феникса]

Сообщение от winhttp

Чем полезны? вот пример получения слова после "action=" в исходнике. HtmlAgilityPack -

            HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
             doc.LoadHtml(s);
             HtmlNode bodyNode = doc.DocumentNode.SelectSingleNode("//div[@class='cont']/form");
             string result1 = bodyNode.Attributes["action"].Value;

регулярные выражения -

string result1=Regex.Match(s,@"action=""(.*?)"">").Groups[1].Value;

так в чем их польза\преимущество?

коды не идентичны, в первом примере фильтр строже.
да и в принципе задать фильтры именно структурой файла лучше, чем сырым текстом.

[winhttp]

Сообщение от Пепел Феникса

коды не идентичны, в первом примере фильтр строже.

первый пример был взят из инета. Второй написан мной. Почему я не привязываюсь к классу, как в первом случае? потому что на странице только одно совпадение "action=" всегда. конечно можно привязаться к классу, и дописать "Пару буков" в начало выражения но это ничего не изменит.

[Пепел Феникса]

в первом случае совпадение будет именно то которое надо, во втором форма может быть и не одна, тогда совпадение выдаст первый action(например страницу с двумя и более формами), а если он на странице первый?
сложные запросы куда проще реализовать на XPath, чем регулярками.
простые же практически идентичны.
далее, если action не последний аттрибут, то не проканает, в регулярке это надо учитывать, в XPath нет.

продолжать?
каждому инструменту свое место, и не стоит в обработку HTML пускать всегда все на чистых регулярках, не столь оно уютно как порою кажется.
для малых и простых оно подойдет отлично, но чем сложнее, тем труднее уже выражения.

[winhttp]

в первом случае совпадение будет именно то которое надо, во втором форма может быть и не одна, тогда совпадение выдаст первый action

ну я же говорил, что на той странице только одна форма. даже если их много будет - то по любому есть к чему привязаться

далее, если action не последний аттрибут, то не проканает

опять же - на том сайте такого не будет. все делалось для конкретной страницы. и тут конечно же можно было все просчитать, но в предыдущем предложении я писал уже, почему именно так сделал. и кстати - убираем ">", и все парсит, даже если это не последний атрибут.

для малых и простых оно подойдет отлично, но чем сложнее, тем труднее уже выражения.

труднее? так это уже вопрос об опыте работы с рег. выражениями. конечно новичкам будет сложно писать сложные рег. выражения. но если с ними поработать, то увидишь всю их мощь
для меня рег. выражения будут всегда правильным решением для парсинга страниц.
да конечно, если нет встроенных средств - то эта библиотека была бы кстати. а так считаю ее не нужной. в пример - есть такая библиотека xNet для отправки запросов на сайт. и зачем она вообще нужна? если в C# уже есть встроенные средства - класс HttpWebRequest.

продолжать?

продолжайте есть ли задачи, с которыми не справятся рег. выражения, а справится только HtmlAgilityPack?