在 C# 字符串中的 HTML 中搜索特定文本并标记文本的最佳方法是啥？

Posted 2023-03-05

【中文标题】在 C# 字符串中的 HTML 中搜索特定文本并标记文本的最佳方法是啥？

【英文标题】：What is the best way to search through HTML in a C# string for specific text and mark the text?在 C# 字符串中的 HTML 中搜索特定文本并标记文本的最佳方法是什么？

【发布时间】：2010-10-02 04:09:59

【问题描述】：

在 C# 字符串变量中搜索 html 以查找特定单词/短语并用高亮标记（或换行）该单词/短语的最佳方法是什么？

谢谢，

杰夫

【参考方案1】：

我喜欢用Html Agility Pack，非常好用，虽然最近更新不多，但还是可以用的。例如抓取所有链接

HtmlWeb client = new HtmlWeb();
HtmlDocument doc = client.Load("http://yoururl.com");            
HtmlNodeCollection Nodes = doc.DocumentNode.SelectNodes("//a[@href]");         

foreach (var link in Nodes)
                
    Console.WriteLine(link.Attributes["href"].Value);

【参考方案2】：

正则表达式将是我的方式。 ;)

【参考方案3】：

如果您使用的 HTML 与 XHTML 兼容，您可以将其加载为 XML 文档，然后使用 XPath/XSL - 冗长但有点优雅？

我过去使用的一种方法是使用HTMLTidy将杂乱的HTML转换为XHTML，然后使用XSL/XPath将屏幕内容抓取到数据库中，创建反向内容管理系统。

正则表达式可以做到这一点，但一旦您尝试去除标签、图像名称等以消除误报，可能会很复杂。

【参考方案4】：

在简单的情况下，正则表达式就可以了。

字符串输入 = "ttttttgottttttt"; 字符串输出 = Regex.Replace(input, "go", "$0");

将产生：“ttttttgotttttt”

但是当你说 HTML 时，如果你指的是最终呈现的文本，那就有点混乱了。假设你有这个 HTML：

Bok

要突出显示“Book”这个词，您需要适当的 HTML 渲染器的帮助。为简化起见，可以先把所有标签去掉，只留下内容，然后照常进行替换，但感觉不对。

【参考方案5】：

您可以使用 Html DOM，这是 SourceForge.net 上的一个开源项目。 通过这种方式，您可以以编程方式操作您的文本，而不是依赖正则表达式。

【讨论】：

它处于 alpha 状态，最后一次更新是在 2005 年，这意味着不再维护。

【参考方案6】：

搜索字符串时，您需要查找正则表达式。至于标记它，一旦你有了子字符串的位置，它应该很简单，可以使用它来添加一些东西来包裹短语。