Самый быстрый способ вытащить текст из html (не через браузер)

[Remart]

Други, пересмотрел темы, но так и не нашел ответа.
Вопрос простой, может кто ссылки скинет, наверняка его уже решали.

Я могу через get запрос получить содержимое страницы. Но оно - html код.
Пробовал регуляркой чистить, но куча кода остается, а нужен чистый текст.

Прочитал, что каким-то макаром можно в C# через макрос {-Page.Text-}, но так и не разобрался.

Смысл в том, чтобы быстрее достать текст со страницы, не загружая браузер.

Наверняка есть готовые решения на C#. Дайте ответ, пожалуйста. Заранее признателен.

 

[Phoenix78]

https://zennolab.com/discussion/threads/vopros-po-xpath.94758/

 

[Sergodjan]

@Remart Если нужно без браузера именно, то обратите внимание на эту конкурсную статью с готовым шаблоном https://zennolab.com/discussion/threads/universalnyj-ehkstraktor-tm-kontenta-osnovnoj-stati-stranicy.75657/

Если все же допустимо использовать браузер, то есть специальный экшен для такой задачи: Article Extraction.

 

[orka13]

Так может автору надо просто весь текст страницы получить, без умного парсинга тела статьи. Тогда вот так проще:

var innerText_List= ZennoPoster.Parser.ParseByXpath(project.Variables["html"].Value, @"//html", "innerText");
return innerText_List.ElementAt(0).Trim();

 

[Remart]

Так может автору надо просто весь текст страницы получить, без умного парсинга тела статьи. Тогда вот так проще:

var innerText_List= ZennoPoster.Parser.ParseByXpath(project.Variables["html"].Value, @"//html", "innerText");
return innerText_List.ElementAt(0).Trim();

Увы, не пойму, что ему нужно.

 

[orka13]

Увы, не пойму, что ему нужно.

У вас там невалидная верстка страницы в переменной, либо она вообще пустая.

 

[Remart]

У вас там невалидная верстка страницы в переменной, либо она вообще пустая.

Разобрался, не ту переменную вставлял. Проблема в том, что результат на 50% загрязнен кодом. Удаляется дай Бог только половина.

 

[Remart]

Придется обращаться платно, не хватает мозгов. В любом случае, благодарю за ссылки и ответы. Изучил, как смог.

У вас там невалидная верстка страницы в переменной, либо она вообще пустая.

Придется обращаться платно, не хватает мозгов. В любом случае, благодарю за ссылки и ответы. Изучил, как смог.

 

[Remart]

@Remart Если нужно без браузера именно, то обратите внимание на эту конкурсную статью с готовым шаблоном https://zennolab.com/discussion/threads/universalnyj-ehkstraktor-tm-kontenta-osnovnoj-stati-stranicy.75657/

Если все же допустимо использовать браузер, то есть специальный экшен для такой задачи: Article Extraction.

Посмотреть вложение 81629

Придется обращаться платно, не хватает мозгов. В любом случае, благодарю за ссылки и ответы. Изучил, как смог.

 

[Remart]

https://zennolab.com/discussion/threads/vopros-po-xpath.94758/

Придется обращаться платно, не хватает мозгов. В любом случае, благодарю за ссылки и ответы. Изучил, как смог.