C# HTMLAgilityPack HTML to Text - Parse Errors

Question

Necesito extraer texto de un archivo HTML usando C#. Estoy tratando de usar HTMLAgilityPack pero estoy viendo algunos errores de análisis (etiquetas no cerradas). estoy usando estas dos opciones:

 htmlDoc.OptionFixNestedTags = true; 
     htmlDoc.OptionAutoCloseOnEnd = true; 

¿Hay alguna "arreglar todo" opción de tipo. No me importan los errores, solo quiero el contenido o cerrarlo.

Answer 1

Tal vez esto es solución, pero una vez tuve que extraer el texto de HTML que utiliza expresiones regulares:

result = Regex.Replace(result, @"<(.|\n)*?>", String.Empty); 
result = Regex.Replace(result, @"^\n*", String.Empty, RegexOptions.Singleline | RegexOptions.IgnoreCase); 
result = Regex.Replace(result, @"\n*$", String.Empty, RegexOptions.Singleline | RegexOptions.IgnoreCase); 
result = result.Replace("\n", " ");