Como podría remover el HTML de una página web con C#?

KiddKeo · 28 Febrero 2017, 12:53 PM

Hola buenas a todos, estoy empezando en esto de la programación y quería saber si hay alguna manera de borrar el codigo HTML de una pagina desde una string?
Por ejemplo:
La web tiene un title llamado Hola
string title = "Hola"
Como podría hacer para borrar ese código?
Gracias a todos!

engel lex · 28 Febrero 2017, 14:31 PM

Te refieres un html guardado en tu pc?

okik · 1 Marzo 2017, 00:51 AM

hola

puedes acceder a tu hosting usando la clase WebRequestMethods:
Clase WebRequestMethods.Ftp

WebRequestMethods.Ftp.MakeDirectory   (para crear directorios)

WebRequestMethods.Ftp.DownloadFile    (para descargar)

Cómo: descargar archivos mediante FTP

WebRequestMethods.Ftp.UploadFile    (para subir archivos)

Cómo: cargar archivos con FTP

WebRequestMethods.Ftp.DeleteFile    (para eliminar archivos)

Simplemente descarga el contenido del archivo del hosting, lo modificas en una caja de texto y luego lo vuelves a subir.

En este ejemplo al pulsar Button1 descarga el archivo y lo muestra en un textBox. Al pulsar el Button2 sube el archivo y sobrescribe el original por el contenido del TextBox (si no existe lo crea)

Código (csharp) [Seleccionar]

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using System.IO;
using System.Net;
namespace WindowsFormsApplication1
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

        private void Form1_Load(object sender, EventArgs e)
        {

        }


        private void button1_Click(object sender, EventArgs e)
        {
            // Get the object used to communicate with the server.
            FtpWebRequest request = (FtpWebRequest)WebRequest.Create("ftp://www.contoso.com/test.htm");
            request.Method = WebRequestMethods.Ftp.DownloadFile;

            // This example assumes the FTP site uses anonymous logon.
            request.Credentials = new NetworkCredential("anonymous","janeDoe@contoso.com");

            FtpWebResponse response = (FtpWebResponse)request.GetResponse();

            Stream responseStream = response.GetResponseStream();
            StreamReader reader = new StreamReader(responseStream);
           textBox1.Text= (reader.ReadToEnd());

  
            reader.Close();
            response.Close();  

        }

        private void button2_Click(object sender, EventArgs e)
        {
            byte[] Data = System.Text.Encoding.Unicode.GetBytes(textBox1.Text);
            FtpWebRequest request = (FtpWebRequest)WebRequest.Create("ftp://www.contoso.com/test.htm");
            request.Method = WebRequestMethods.Ftp.UploadFile;
            request.ContentLength = Data.Length;
            request.Credentials = new NetworkCredential("anonymous","janeDoe@contoso.com");
            Stream requestStream = request.GetRequestStream();
            requestStream.Write(Data, 0, Data.Length);
            requestStream.Close();
            FtpWebResponse response = (FtpWebResponse)request.GetResponse();
            response.Close();
        }
    }
}

Eleкtro · 1 Marzo 2017, 06:08 AM

Si te refieres a eliminar el código interno, el Html, para dejar solamente el texto asignado en los atributos, campos o tags, tan solo tienes que utilizar la propiedad InnerText del tipo HtmlElement.

Tomando este documento html de ejemplo:

Código (html4strict) [Seleccionar]

<!DOCTYPE html>
<HTML>
    <HEAD>
        <TITLE>My Title</TITLE>
    </HEAD>
    <BODY>
        <h1>My Heading</h1>
        <p>My Paragraph</p>
   </BODY>
</HTML>

Lo cargamos en una nueva instancia del tipo WebBrowser y...

Código (csharp) [Seleccionar]

string html = File.ReadAllText("C:\\Document.htm");

using (WebBrowser wb = new WebBrowser()) {
    wb.ScriptErrorsSuppressed = true;
    wb.DocumentText = html;
    wb.Document.OpenNew(replaceInHistory: true);
    wb.Document.Write(html);
    wb.Refresh();

    Console.Write(wb.Document.GetElementsByTagName("HTML")[0].InnerText);
}

Resultado de ejecución:

Cita de: Visual Studio's Debug ConsoleMy Title
My Heading
My paragraph

PD: Este ejemplo es con un archivo local, pero puedes hacer lo mismo descargando una página online, por supuesto.

¡Saludos!

Test Foro de elhacker.net SMF 2.1

Como podría remover el HTML de una página web con C#?

KiddKeo

engel lex

okik

Eleкtro