htmlagilitypack 抓网页易卡在三处：documentnode 为 null（需判空及正确解码）、xpath 查不到节点（仅支持 xpath 1.0，勿用 css 语法）、innertext 含乱码和标签（应先删 script/style 再正则清理）。
直接用 HtmlAgilityPack 抓网页数据，最容易卡在三件事上：解析后 DocumentNode 为 null、XPath 查不到节点、提取的文本混着 <script></script> 和乱码空格。别碰正则解析 HTML，也别指望它自动识别 charset。
HtmlDocument.LoadHtml() 后 DocumentNode 为空怎么办
这不是 HTML 有错，而是你传了空字符串、网络响应失败返回的空内容，或没处理编码导致解析中断——DocumentNode 就是 null，后续所有 SelectNodes() 都会崩。
- 永远先写
if (doc.DocumentNode == null) return;或抛异常，别跳过这步 - 用
LoadHtml(htmlString?.Trim())前加判空：if (string.IsNullOrWhiteSpace(htmlString)) - 从 HTTP 拿内容时，别直接丢给
LoadHtml()：先检查HttpResponseMessage.IsSuccessStatusCode，再确保字符串已按响应头的Content-Type正确解码（比如text/html; charset=utf-8就得用Encoding.UTF8） - 解析 HTML 片段（如只有
<div>xxx</div>）时，手动包一层：doc.LoadHtml($"{fragment}");
SelectNodes("//div[@class='content']") 返回空列表
浏览器里能看见，代码里查不到？大概率是 XPath 写法和 HTML 实际结构对不上——HtmlAgilityPack 只支持 XPath 1.0，不认 CSS 选择器，也不自动处理 class 多值、大小写、引号类型。
如果你了解HTML，CSS和JavaScript，您已经拥有所需的工具开发Android应用程序。本动手本书展示了如何使用这些开源web标准设计和建造，可适应任何Android设备的应用程序 - 无需使用Java。您将学习如何创建一个在您选择的平台的Android友好的网络应用程序，然后转换与自由PhoneGap框架到一个原生的Android应用程序。了解为什么设备无关的移动应用是未来的潮流，并开始构建应用程序，提供更
-
SelectNodes()参数必须是 XPath 表达式，"div.content"这种 CSS 写法会静默返回空 - class 含多个值（如
class="content main"）时，别用@class='content'，改用contains(@class, 'content')；要精准匹配，用normalize-space(@class) = 'content main'（注意空格和顺序必须完全一致） - 属性值含单引号？把整个 XPath 改用双引号包裹：
"//a[@href=\"http://x.com?q=a'b\"]" - 更稳的方式是绕过 XPath：用
doc.DocumentNode.Descendants("div")拿到所有<div>，再手动过滤 <code>node.GetAttributeValue("class", "")InnerText 提取的文本带换行、\u00A0、script 标签内容
InnerText不是“干净文本”，它是模拟浏览器渲染逻辑的粗略结果：保留换行、合并空白但不清理 Unicode 空格，还把<script></script>和<style></style>里的内容也吞进去。- 要真正干净的文本，别依赖
InnerText：先用Regex.Replace(node.InnerHtml, @"]*>", "")去标签，再用Regex.Replace(text, @"[\s\u00A0\u2000-\u200F\u2028\u2029]+", " ").Trim()清理空白 - 如果只要可见文本（排除
<script></script>/<style></style>），得先删掉这些节点：doc.DocumentNode.SelectNodes("//script | //style")?.ToList().ForEach(n => n.Remove()); -
PreserveWhitespace = true会影响中文缩进显示，有时看着像“丢字”，其实是空白被保留了——设为false再试
最常被忽略的一点：
HtmlAgilityPack的HtmlWeb类默认不复用连接、不设超时、不传 User-Agent，遇到反爬网站直接 403；而HtmlDocument实例不能跨请求复用，尤其用了OptionFixNestedTags = true后状态会残留。真要稳定抓取，HttpClient+ 手动解码 +HtmlDocument单次构造，才是可控路径。 - 要真正干净的文本，别依赖
