HTMファイルをテキスト形式で取得するには

環境/言語:[WindowsXP(SP2) VB.NET 2003 Framework 1.1　]
分類:[.NET]

インターネット上ののHTMファイルのソースコードを取得する方法は
こちらのTipsで解ったのですが（ありがとうございます）テキスト形式で
取得する方法が解らず質問させて頂きました。
VB6.0での InternetExplorer での document.body.innerText で取得した場合の
テキスト形式での取得がしたいのですが、 .NET でのdocument.body.innerTextに変る方法が解りません。
どなたかご存知の方よろしくお願いします。
（現在は、.NET でInternetExplorer を使って取得はしているのですが････）

> インターネット上ののHTMファイルのソースコードを取得する方法は
> こちらのTipsで解ったのですが（ありがとうございます）テキスト形式で
> 取得する方法が解らず質問させて頂きました。
> VB6.0での InternetExplorer での document.body.innerText で取得した場合の
> テキスト形式での取得がしたいのですが、 .NET でのdocument.body.innerTextに変る方法が解りません。

全く同じにするのは難しいかもしれませんが、正規表現を使うのが簡単なのではないかと思います。

例えば、HTMLからタグを取り除く（<>で囲まれた部分を削除する）には、次のようにします。（sourceにソースが入っている。）

source = System.Text.RegularExpressions.Regex.Replace(source, "<[^>]*>", "")

早速の回答ありがとうございます。
やはり、タグを取り除く方法しかないのですね。
それが、解っただけでも収穫でした。
今後も何かとお世話になるかと思いますが、よろしくお願い致します。

2005/01/17(Mon) 10:36:34 編集(投稿者)

> VB6.0での InternetExplorer での document.body.innerText で取得した場合の
> テキスト形式での取得がしたいのですが、 .NET でのdocument.body.innerTextに変る方法が解りません。

.NET でも、ブラウザコントロールの Document プロパティを取得して、そこから document.body.innerText を取得するのでは駄目なのですか？

> .NET でも、ブラウザコントロールの Document プロパティを取得して、そこから document.body.innerText を取得するのでは駄目なのですか？

回答ありがとうございます。
その辺の所は最初の質問の時にも書かせて頂いたのですが、

> （現在は、.NET でInternetExplorer を使って取得はしているのですが････）

> その辺の所は最初の質問の時にも書かせて頂いたのですが、
>
>>（現在は、.NET でInternetExplorer を使って取得はしているのですが････）

ですから、それだとどのヘンが都合が悪いのでしょうか？というのもお尋ねしたつもりです。

■No8472に返信(渋木宏明(ひどり)さんの記事)
>>その辺の所は最初の質問の時にも書かせて頂いたのですが、
>>
> >>（現在は、.NET でInternetExplorer を使って取得はしているのですが････）
>
> ですから、それだとどのヘンが都合が悪いのでしょうか？というのもお尋ねしたつもりです。
>
>.NET でも、ブラウザコントロールの Document プロパティを取得して、そこから document.body.innerText を取得するのでは駄目なのですか？

すみません。上記ではそのような意味にとれなかったのと、No.8459 で解決報告
させて頂いていたので。

> やはり、タグを取り除く方法しかないのですね。
> それが、解っただけでも収穫でした。

「タグを取り除く方法しかない」とは一言も言っていませんので、誤解しないでください。ただ一例を示しただけです。