HtmlAgilityPack 加载网页失败主因是默认网络配置不足，需手动设 UserAgent、TLS 1.2、SecurityProtocol；XPath 失效多因语法错误或 JS 渲染内容不可见；中文乱码源于编码未显式指定；性能问题来自滥用网络层或未复用实例。
HtmlAgilityPack 加载网页失败：不是所有 URL 都能直接 Load()
直接用 HtmlWeb.Load("https://example.com") 经常报错，比如 WebException: 无法解析远程名称 或 NotSupportedException: 不支持的协议方案。这不是库的问题，而是它默认不走浏览器级网络栈——没自动处理重定向、没带 User-Agent、不支持 HTTPS 证书验证宽松模式。
实操建议：
立即学习 “ 前端免费学习笔记（深入）”；
- 改用
HtmlWeb实例 + 手动配置UseCookies、UserAgent和PreRequest回调 - 对 HTTPS 站点，加一句
ServicePointManager.SecurityProtocol = SecurityProtocolType.Tls12;（.NET Framework）或确保 .NET Core/6+ 环境已默认启用 TLS 1.2+ - 遇到 403，大概率是服务端拦截了默认请求头，必须设
UserAgent，例如"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36" - 避免用
HtmlDocument.Load()直接读远程 URL，它只适合本地文件或已下载好的 HTML 字符串
XPath 表达式取不到节点：常见定位失效原因
SelectNodes() 返回 null 或空集合，90% 是 XPath 写错了，而不是网页结构复杂。HtmlAgilityPack 不支持 CSS 选择器，也不自动处理动态渲染内容（JS 生成的 DOM 不在原始 HTML 里）。
实操建议：
立即学习 “ 前端免费学习笔记（深入）”；
- 先用浏览器“查看页面源代码”（不是“检查元素”），确认目标数据是否真在 HTML 源码中
- XPath 中类名含空格或特殊字符时，不能直接写
//div[@class="a b"]，得用contains(@class, "a") and contains(@class, "b") - 属性值有引号嵌套？用
concat()或换单 / 双引号包围，例如//input[@value="he"ll'o"] - 注意命名空间干扰：如果 HTML 带
xmlns，需注册XmlNamespaceManager，但多数网页可忽略——除非你看到<html xmlns="http://www.w3.org/1999/xhtml">
中文乱码或特殊字符异常：编码没对齐
抓回来的文本出现问号、方块、或 uFFFD，基本是响应流编码和 HtmlAgilityPack 解析编码不一致。它不会自动识别 <meta charset="utf-8">，也不会按 HTTP Header 的 Content-Type 自适应。
实操建议：
立即学习 “ 前端免费学习笔记（深入）”；
- 用
HtmlWeb下载时，显式指定编码：web.OverrideEncoding = Encoding.UTF8;（或GBK，视目标站而定） - 如果服务器返回的
Content-Type是text/html; charset=gb2312，但你硬设 UTF8，就会乱码；反之亦然 - 不确定编码时，先用
HttpClient获取原始字节流，用CharsetDetector（如 Ude）猜编码，再传给HtmlDocument.Load()的Encoding参数 - 别依赖
doc.DocumentNode.OuterHtml输出看效果——它可能把内部编码转换搞混，优先用doc.DocumentNode.SelectSingleNode("……").InnerText提取后观察
性能差、卡死或内存暴涨：别让 HtmlAgilityPack 处理大页或高频请求
单次解析几 MB 的 HTML 文件，或每秒发起几十个请求，很容易触发 GC 压力或连接池耗尽。HtmlAgilityPack 本身轻量，但滥用网络层或忽略释放资源，问题就出在外部。
实操建议：
立即学习 “ 前端免费学习笔记（深入）”；
- 限制并发：用
SemaphoreSlim控制同时活跃的HtmlWeb请求数量，别裸写Parallel.ForEach - 复用
HtmlWeb实例：它是线程安全的，全局一个就够了，别每次 new - 不用时清空文档引用：
doc = null;，尤其在长生命周期对象（如 ASP.NET Core Service）里，避免引用滞留导致 GC 不回收 - 纯提取文本？考虑用正则预筛（如
Regex.Match(html, @"<title>(.*?)</title>", RegexOptions.Singleline)），比加载整个 DOM 快一个数量级——只要不怕小概率误匹配
真正麻烦的是那些用前端框架（React/Vue）渲染的页面，HtmlAgilityPack 根本看不到最终内容。这时候该换 PuppeteerSharp 或 Playwright，而不是调参数硬扛。
