如何在C#中从HTML页面提取关键词？

Question

基本上我想提取网页中去掉停用词后存在的关键词、单词或标记。 有人知道如何做到这一点吗？C#代码将不胜感激。

- jaskirat

---

也许你应该给它打上 [c#] 的标签。 - brickner

如果您只想从网页中获取数据，可以使用 JQuery，如下所示：$('#testDIV').load('JQueryPage.aspx'); - Amr Badawy

Answer 1

使用类似于HTML Agility Pack的HTML解析库。

一旦你用它加载了一个HTML文档，你就可以使用XPath语法查询它——它以类似于XmlDocument的方式公开HTML。

- Oded

Answer 2

HTML Agility Pack是Oded提到的工具，它可以帮助您获取HTML中的纯文本，但是要在去除停用词后从网页中提取关键字，您需要做更多的工作。这个问题有一个很好的信息性答案，来自Joseph Turian：如何提取文本中使用的关键字？

- dumbledad