C#でのHTML解析はSGMLReaderがいい感じ

C#でHTMLの解析をすることになったので、何かいいライブラリがないか探していましたが見つかりました。

• SgmlReader

インストール方法は、公式サイトに書いてあるようにNuGetから設定するのがラクですね。簡単なサンプルは下記の通り。下記では、tdタグの中身を取ってきていますが、LINQ形式の検索をすることもできるようです。

	Stream st = //ここは何かのストリーム
	StreamReader sr = new StreamReader(st);
	SgmlReader sgml = new SgmlReader() { InputStream = sr };
	sgml.IgnoreDtd = true; // DTDがない場合、無視しないと例外で死ぬらしいです
	XDocument xml = XDocument.Load(sgml);
	XNamespace ns = "http://www.w3.org/1999/xhtml";
	foreach (var item in xml.Descendants(ns + "td")) {
	OldIntroFormat intro = new OldIntroFormat();
	string temp = item.Value;
	}
	st.Close();

view raw SampleSgmlReader.cs hosted with ❤ by GitHub