解析HTML用哪个更好【HtmlAgilityPack VS正则】

[OROCHIORI616]

解析html，用正则和用HtmlAgilityPack哪个性能更好啊（就不问哪个更容易用了，显然HtmlAgilityPack比正则用起来简单的多）？用HtmlAgilityPack的话碰到太大的网页是不是会很慢阿（因为相比正则分析，有个html转化成转化成xml的过程）。还有灵活性方面哪个更好，高手说说，谢谢了！！


另：求个正则表达式生成工具
应该有很多款吧，推荐个最强大的吧。有经验的高手说说。
PS：要是有C#开源的正则生成工具，那就推荐带C#开源的工具，开源有诱惑力啊

[dalmeeme]

多数情况下性能应该HtmlAgilityPack好些，对于大网页，可以先用普通的字符串方法截取所需的元素块区域做为html文档，再施用这个东西，效率应该不错。
正则测试推荐Convert.Net这个工具，里面包含很多实用功能，如html、url编码解码、正则测试、vb同c#互转、谷歌翻译、xml和json解析、加密解密等。

[1800包吃包住]

学正则吧 学好了正则 很有帮助的！

[dalmeeme]

至于灵活性那还用说吗？当然是Dom的方式好，它甚至可以在抓取的html里进行插入、删除元素。用正则要繁一些。

[dalmeeme]

正则也很重要，我觉得正则是一个合格专业软件开发人员必须掌握的东西。

[q107770540]

[Quote=引用楼主 orochiori616 的回复:]
另：求个正则表达式生成工具

[/Quote]
还有这个工具? 只用过调试工具，没用过生成工具

[orain]

如果正则很简单，就用正则，如果正则很复杂，就用 HtmlAgilityPack，因为通常复杂的正则式要不断的回溯才能匹配到正确格式的字符串，非常影响性能的，况且复杂的正则也不好写。

[LMAOhuaNL]

[Quote=引用 1 楼 dalmeeme 的回复:]

多数情况下性能应该HtmlAgilityPack好些，对于大网页，可以先用普通的字符串方法截取所需的元素块区域做为html文档，再施用这个东西，效率应该不错。
正则测试推荐Convert.Net这个工具，里面包含很多实用功能，如html、url编码解码、正则测试、vb同c#互转、谷歌翻译、xml和json解析、加密解密等。
[/Quote]
力挺

[村长_乐]

正则！！！

[shikun220]

我现在也遇到这问题，由于解析的比较复杂，用正则非常慢，不知道怎么办
http://topic.csdn.net/u/20111217/11/4b7e82d0-9b99-4394-8045-c06541fab955.html?seed=488203659&r=76972869#r_76972869

[OROCHIORI605]

[Quote=引用 13 楼 shikun220 的回复:]
我现在也遇到这问题，由于解析的比较复杂，用正则非常慢，不知道怎么办
http://topic.csdn.net/u/20111217/11/4b7e82d0-9b99-4394-8045-c06541fab955.html?seed=488203659&r=76972869#r_76972869
[/Quote]
你的帖子我看了 速度学习HtmlAgilityPack 一天就能学会
你那些功能 用HtmlAgilityPack 几分钟就能写好 而且相当稳定

[诺维斯基]

别想歪了，

没有正则生成工具，要是真有，谁还学正则啊

只有测试工具。

[OROCHIORI605]

谢谢无机战士的精彩评论 UP

[叶子]

正则表达式生成工具我没用听说过...

[todd_wang]

正则的速度有些怀疑，没有研究过正则类库是怎么实现的，我比较怀疑它也是用托管代码实现的，无非也是一个字符一个字符的处理， 不断的匹配、回溯， 过程也不太可能比 HtmlAgilityPack(没用过，我假设它采用了SAX类似的实现) 快。 匹配复杂的变化多端的正则 理论上要比匹配简单的较固定的html规则更复杂缓慢。

PS：正则表达式可以编译的（个人认为编译结果为.net程序集），编译本身耗时，但可以提高执行的效率。

[cainiao13579]

没有生成的工具，有个测试工具

[dongt1]

[Quote=引用 17 楼 maco_wang 的回复:]

正则表达式生成工具我没用听说过...
[/Quote]++这个东东没有，正如楼上大神们所言有这个就不用学了。