https://keijiban.umayadia.com/ThreadDetail.aspx?ThreadId=10871#CommentId23657
投稿者 るきお  (社会人) 投稿日時 2012/5/28 20:36:10
なぜWebBrowserコントロールを使いたくないのでしょうか。

一応下記のような感じで詰めていけばできることはできます。

Dim internet As New Net.WebClient

Dim allHtml As String = internet.DownloadString("http://homepage1.nifty.com/rucio/main/main.htm")



'<body>～</body>を抜き出す。(簡易版。対応できない場合あり。)  

Dim regOption = System.Text.RegularExpressions.RegexOptions.IgnoreCase Or System.Text.RegularExpressions.RegexOptions.Singleline

Dim bodyContent As String = System.Text.RegularExpressions.Regex.Match(allHtml, "<body.*?>(.*?)</body>", regOption).Groups(1).Value



'スクリプトタグを除去。(簡易版。対応できない場合多々あり。)  

Dim html As String = System.Text.RegularExpressions.Regex.Replace(bodyContent, "<script.*?>.*?</script>", "", regOption)



'この時点の改行を除去 

html = html.Replace(vbCrLf, "")

html = html.Replace(vbCr, "")

html = html.Replace(vbLf, "")



'改行に置換すべきタグの処理。(簡易版。対応できない場合あり。) 

'<br/> 

html = System.Text.RegularExpressions.Regex.Replace(html, "<br\s*?/{0,1}>", vbNewLine, regOption)

'</tr> 

html = System.Text.RegularExpressions.Regex.Replace(html, "</\s*?tr>", vbNewLine, regOption)

'</p> 

html = System.Text.RegularExpressions.Regex.Replace(html, "</\s*?p>", vbNewLine, regOption)

'</h1>～</h6> 

html = System.Text.RegularExpressions.Regex.Replace(html, "</\s*?h[1-6]>", vbNewLine, regOption)



'他のすべてのタグを除去して本文のみにする。(簡易版。対応できない場合あり。)  

html = System.Text.RegularExpressions.Regex.Replace(html, "</{0,1}\w+?.*?>", "", regOption)



html = html.Replace("&nbsp;", " ")

html = html.Replace("&gt;", ">")

html = html.Replace("&lt;", "<")

html = html.Replace("&amp;", "&")

html = html.Replace(vbTab, "")
0