通过C＃解析网页，XmlDocument.LoadXml

Question

我想下载一个网页并解析它。我需要到达html文档的每个节点。所以我使用WebClient进行下载，这非常完美。然后我用下面的代码片段解析文档：

WebClient client = new WebClient(); 

Stream data = client.OpenRead("http://web.cs.hacettepe.edu.tr/~bil339/"); 
StreamReader reader = new StreamReader(data); 
string xml = reader.ReadToEnd(); 

data.Close(); 
reader.Close(); 
XmlDocument xmlDoc = new XmlDocument(); 
xmlDoc.loadXml(xml); 

在最后一行，程序等待一段时间，然后崩溃。它说，在HTML代码中有错误，这是不应该的，不应该在这里，等等。 任何建议来解决这个问题？其他技术来解析HTML代码是受欢迎的（当然，在C＃中）。

Answer 1

使用HTMLAgilityPack解析HTML。格式良好的HTML不是XML，不能像这样解析。例如，它缺少所有XML文件需要的<?xml version="1.0" encoding="UTF-8"?>序言。 HTML敏捷包更为宽容。