ベスト5 C# HTMLパーサー：詳細比較ガイド

この比較ガイドでは以下の内容を確認できます：

C# HTMLパーサーの定義と対応ユースケース
C#における最高のHTMLパーサーを比較する際に考慮すべき点
最適なC# HTMLパースライブラリとは

さっそく見ていきましょう！

C# HTMLパーサーとは？

C# HTMLパーサーとは、HTML文書（多くの場合XMLコンテンツも）をパースする機能を提供するライブラリです。基本的に、これらのパッケージはHTMLコードをパースし、DOM（Document Object Model）のC#表現に変換します。

一般的に、C# の HTML パーサーはローカルファイル、URL、または生の HTML 文字列を入力として受け付けます。その後、HTML コードをパースし、タグ、属性、テキストノードなどの要素を識別します。パースプロセス中に、指定された HTML ドキュメントの階層構造を表すツリー構造を構築します。

より高度なツールでは、HTMLノードからデータを抽出するメソッドも提供されます。これにより.NET環境でのウェブスクレイピングが可能になります。この概念に不慣れな場合は、当社のウェブスクレイピング完全ガイドを参照してください。

C# HTMLパーサーには通常、CSSセレクターやXPath式に基づくノード選択APIが付属しています。場合によっては、DOM内の特定要素を選択するためのよりシンプルなカスタムメソッドも提供されます。

最高のHTMLパーサーの一覧については、当社の記事をご覧ください。

優れたC# HTMLパーサーを評価する際に留意すべき点

C#パースライブラリを比較する際に考慮すべき最も重要な要素は以下の通りです：

機能：パーサーが提供する機能。
長所：ライブラリがもたらす主な利点。
デメリット：パーサーが持つ主な欠点。
GitHubスター数：ライブラリに関連するリポジトリがGitHubで獲得しているスターの数。
平均日次ダウンロード数:NuGetレジストリに基づくパッケージの平均日次ダウンロード数。
最新リリース：ライブラリ最新版のリリース日（執筆時点）。

それでは、これらの基準を用いてIT界隈で最高のC# HTMLパーサーライブラリを評価してみましょう！

C#におけるトップ5 HTMLパーサー

最高のC# HTMLパースライブラリを発見する時が来ました。

1. AngleSharp

AngleSharpは、HTML、SVG、MathMLなどの角括弧ベースのハイパーテキストをパースできる.NETライブラリです。このパッケージはXMLパースもサポートしますが、検証機能は含まれません。AngleSharpはCSSのパースも可能です。

Html Agility Packと比較すると、このC# HTMLパーサーは公式のW3C仕様に基づいて構築されています。つまり、主要なブラウザでの完全な互換性を保証する、完全に移植可能なHTML5 DOM表現を生成します。

本ライブラリは、querySelector() やquerySelectorAll() といった標準的な JavaScript メソッドを用いたツリー探索機能も備えています。このプロジェクトの理念は、JavaScript で可能な DOM 操作をすべて C# でも実現できるようにすることです。

詳細は公式ドキュメントをご覧ください。機能:

DOM内のノード検索用CSSセレクタエンジン
組み込みHTTPクライアント
DOM探索のためのLINQクエリの完全サポート
HTML、CSS、SVG、MathMLのパース機能
シンプルなJavaScript実行エンジン
HTMLエラー修正機能

長所:

W3C仕様に基づく
.NET、Unity、Xamarinなどでの動作を可能にするクロスプラットフォーム特性
優れたパフォーマンス
HTML 5.1 および CSS3 仕様に準拠
充実した完全なドキュメント
拡張機能による拡張性

欠点:

XPathサポートには追加の拡張機能が必要

GitHubスター数:5,000平均日次ダウンロード数: 約25,000

最新リリース: 2024年3月7日

2. Html Agility Pack

Html Agility Pack（通称HAP）は、C#でDOMを読み書きするためのアジャイルなHTMLパーサーです。デフォルトではプレーンなXPathまたはXSLTをサポートします。CSSセレクターはHtmlAgilityPack.CssSelectorまたはFizzler拡張機能経由で利用可能です。

このパーサーは不正なHTMLに対して非常に寛容です。これにより、標準に準拠していない可能性のある実際のウェブページを扱うのに最適です。C#でのウェブスクレイピングガイドでパーサーの実動例をご覧ください。

詳細は公式サイトをご覧ください。

特徴:

HTML特殊文字のデコード機能
DOM操作API
組み込みHTMLパーサー
動的コンテンツページ向け実験的ブラウザパーサー

長所:

ファイル、文字列、Web（および実験的に内部ブラウザ）からHTMLを読み込める
拡張機能による拡張が可能
不正なHTMLの処理が可能
文書化が充実
1億6500万回以上のダウンロード実績

短所:

CSSセレクタのネイティブサポートなし
AngleSharpより動作が遅い

GitHubスター数: 2.6千

平均日次ダウンロード数: 約34,000回

最新リリース: 2024年5月1日

3. CsQuery

CsQueryは、C#向けの完全なCSSセレクタエンジン、HTMLパーサー、jQueryポートです。特に、すべてのCSS2およびCSS3セレクタ、ならびにjQueryが提供するすべてのDOM操作メソッドをサポートしています。これにより、慣れ親しんだjQueryメソッドをそのまま使用してDOMをトラバースし操作できます。

C# HTMLパーサーは、parseJSON() やtoJSON()などのその他のユーティリティメソッドも提供します。さらに、WebからHTMLドキュメントを取得するための統合されたカスタマイズ可能なHTTPクライアントも付属しています。

特徴:

DOM操作機能
リモートURLからのコンテンツ読み込みなど、実行をブロックせずに非同期イベントを管理するためのCsQuery Promise API
DOM生成API
カスタマイズ可能なレンダリングオプション（コメントの削除、閉じタグの不一致の無視など）
JSONパース機能
組み込みHTTPクライアント

長所:

jQuery風の構文
Geckoブラウザエンジンで使用されているvalidator.nu HTMLパーサーのC#移植版
他のほとんどのC# HTMLパースライブラリよりもはるかに高速
CSSセレクタのサポート

短所:

2013年以降アクティブにメンテナンスされておらず、未解決の既知のバグがいくつか存在する
XPathをサポートしていない

GitHubスター数: 1.2k

平均日次ダウンロード数: 約2千回

最新リリース: 2013年6月4日

4. MariGold.HtmlParser

MariGold.HtmlParserはHTML文書をパースするC#パッケージです。各要素を一つずつパースして文書を走査することも、文書全体を一度にパースすることも可能です。後者の場合、ライブラリが再帰的に全ての子要素をパースします。

デフォルトでは、MariGold.HtmlParserはHTMLをパースしますが、<STYLE>タグ内のCSSや外部スタイルシートからのCSSはパースしません。同時に、ドキュメント内のインラインまたは外部CSSスタイルをパースするメソッドを提供します。

機能:

FindFirst()メソッドによるタグ名でのノード検索
現在のノードから開始する DOM 探索のための完全な API
HTMLおよびCSSの更新機能

長所:

HTMLドキュメントのHTMLとCSSの両方をパース可能
外部スタイルシートへの相対URLを解決可能
外部依存関係なし
非常に軽量なパッケージ（41.47 KB）

短所:

あまり普及していない
CSSセレクタをサポートしていない
XPathをサポートしていない

GitHubスター数：5

平均日次ダウンロード数: 124

最新リリース: 2023年6月18日

5. Majestic-12

Majestic-12は、オープンソースのクロスプラットフォーム対応、高性能C# HTMLパーサーです。このライブラリは外部依存関係を一切持たず、コア.NETパッケージのみを使用しています。ドキュメントによれば、作者はこれを用いて1日あたり3TB以上のHTMLをパースしているとのことです。ただし、このプロジェクトは15年以上更新されていません。

このライブラリに関連するNuGetパッケージはMajestic12HtmlParserです。NuGetレジストリへの登録は2015年8月27日ですが、コードベースは依然として2008年8月8日にリリースされたバージョン3.1.4を参照しています。

機能:

HTMLをタグ、テキスト、コメントなどの小さなチャンクに分割してパースする
指定ノードの生のHTMLを更新する機能
ParseNext()メソッドによるツリー探索

長所:

高いパフォーマンス
大規模HTMLでの検証済み
設定可能なパース機能
70%以上のコードカバレッジ

短所:

最終更新は2008年
CSSセレクタ非対応
XPathをサポートしていない

GitHubスター数: GitHub未掲載

平均日次ダウンロード数: 約1

最新リリース: 2008年8月8日

最高のC# HTMLパーサー：比較表

以下の概要表で、最高のC# HTMLパーサーを一目で比較できます:

パーサー	機能	GitHubスター数	平均日次ダウンロード数	メンテナンス状況	組み込みの HTTP クライアント	CSS セレクタのサポート	XPath サポート
AngleSharp	多数	5k	約25k	現在メンテナンス中	✔️	✔️	拡張機能経由
Html Agility Pack	多数	2.6k	~34k	現在メンテナンス中	✔️	拡張機能経由	✔️
CsQuery	Medium	1.2k	約2k	メンテナンス終了	✔️	✔️	❌
MariGold.HtmlParser	少ない	5	124	現在メンテナンス中	❌	❌	❌
マジェスティック-12	少数	—	~1	メンテナンス終了	❌	❌	❌

素晴らしい！これであなたはC#におけるHTMLパーサーのエキスパートです！

まとめ

この記事では、優れたC# HTMLパースライブラリをいくつか紹介しました。適切なツールの選択は、プロジェクト固有の要件によって異なります。.NET環境で利用可能な優れたHTMLパーサーをいくつか探求する機会を得られたでしょう。

どのツールを選択する場合でも、ほとんどのサイトがボット対策技術を採用しており、組み込みのHTTPクライアントでページをダウンロードすることは困難です。幸い、Bright Dataが解決策を提供します！

当社のローテーションプロキシは195カ国以上で利用可能で、あらゆるHTTPクライアントと連携し、解析対象のHTMLを取得します。フル機能ソリューションをお探しの場合は、スクレイピングブラウザが最適です。HTMLパーサーを内蔵し、CAPTCHA・IPブロック・レート制限の回避も可能です。あらゆるHTMLドキュメントを問題なくパースしましょう！

今すぐ無料トライアルを開始しましょう！

お問い合わせ無料トライアル