התחלתי להשתמש בקוד שקורא תוכן של אתרים אחרי שנותנים לו את הURL...

הפלט שאני מקבל הוא את כל קוד ה HTML... יש אפשרות לקבל רק את התוכן עצמו?

זאת אומרת ממש לקרוא את התוכן כפי שנקרא בדפדפן?

זה הקוד :

 private void button1_Click(object sender, EventArgs e)
    {
      string URL = textBox1.Text;
      HttpWebRequest myRequest = (HttpWebRequest)WebRequest.Create(URL);
      myRequest.Method = "GET";
      WebResponse myResponse = myRequest.GetResponse();
      StreamReader sr = new StreamReader(myResponse.GetResponseStream(), System.Text.Encoding.UTF8);
      string result = sr.ReadToEnd();
      WebClient client = new WebClient();
      richTextBox1.Text = result;
      sr.Close();
      myResponse.Close();
    }

HTML הוא מקרה פרטי של XML, אשר מחולק לטאגים.

תפרסר אותו לפי איזה טאגים שאתה בוחר.

בC# יש ספרייה שלמה של עבודה עם XML, אבל ננסה לצורך הדוגמה לנסות להבין את זה בצורה ידנית.

אתה צריך להתחיל לקרוא תוכן בסיום כל תחילית של טאג, למשל

<H1>some text</H1>

לכן תחפש תחילה את התו ">", אחריו תמיד תופיע מילת הזיהוי שלו, ואחריה תחפש את התו שסוגר ("<") מכאן אתה כבר צריך לקרוא את הטקסט (כל עוד אין לך פתיחת עטאג נוסף!)

תתחיל מה BODY, תיצור לעצמך ספרייה מיוחדת שיודעת להתעסק עם כל סוגי הטאגים, ממש כמו שגוגל יודעת לעשות.

ובאמת תציץ בגוגל, בטוח מישהו כבר הכין כזהדבר.

בהצלחה.

אחלה תודה!

ניסיתי לעשות את מה שאתה אומר והסתבכתי קצת...

 



  StreamReader sr = new StreamReader("\\text.txt");
      string body = sr.ReadToEnd();


      List<int> start = new List<int>();
      List<int> end = new List<int>();





      int i = 0;

      while ((i = body.IndexOf('<', i)) != -1)
      {
        start.Add(i);
        i++;

      }


      int j = 0;

      while ((j = body.IndexOf('>', j)) != -1)
      {
        end.Add(j);
        j++;

      }



      char[] b = new char[body.Length];
      StringReader sr1 = new StringReader(body);


      for (int a = 0; (a < (start.Count - 1)); a++)
      {
        int seglenght = (start[a + 1] - end[a]);
        sr1.Read(b, end[a], seglenght);



      }


      string cleantext = "";
      StringBuilder sb = new StringBuilder(cleantext);
      StringWriter sw = new StringWriter(sb);
      sw.Write(b, 0, 3);
      sw.Close();


      richTextBox1.Text = cleantext;



      sr1.Close();

איפה הטעות? זה מה שראיתי באינטרנט שצריך לעשות...תודה מראש!

אוקיי הצלחתי... אז חשבתי שכדאי לשתף ולתרום קצת במקום סתם להציק עם שאלות צעירות!

      string text = before.Text;


       //finding '<' + '>' positions
      //==================


      List<int> start = new List<int>();
      int i =0;


      while ((i = text.IndexOf('<', i)) != -1)
      {
        start.Add(i);
        i++;

      }


      List<int> end = new List<int>();
      int j = 0;


      while ((j = text.IndexOf('>', j)) != -1)
      {
        end.Add(j);
         j++;
      }


      // removing <tags>


      for (int c = (start.Count-1) ; c >= 0 ; c--)
      {
       text = text.Remove(start[c], ((end[c]+1) - (start[c])));
      }


      after.Text = text;
    }

שים לב שיש לזה מיליון סיפריות, מהניסיון שלי html agility pack מצויינת.

http://htmlagilitypack.codeplex.com/