C#解析html文件
阿新 • • 發佈：2019-01-03
當我們需要解析一個web頁面的時候，如果非常簡單，可以用字串查詢的方式，複雜一點可以用正則表示式，但是有時候正則很麻煩的，因為html程式碼本身就比較麻煩，像常用的img標籤，這個東東到了瀏覽器上就沒了閉合標籤（一直還沒搞懂為什麼），想用XML解析，也是同樣的原因根本解析不了，今天發現一個解析html控制元件，用了一下，非常好用。
我直接把例子貼這兒，一看就明白。因為是作為xml解析的，所以呢，少不了XPath，如果不懂這個東西的話，趕緊看看吧，現在xpath語法都擴充套件到css裡面了，語法比較簡單，先看看基礎的就行了。
最基本的使用方法不是SelectSingleNode，而是GetElementById，這是與XmlDocument不同的地方。
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 |
//
The HtmlWeb class is a utility class to get the HTML over HTTP
HtmlWeb
htmlWeb = new HtmlWeb();
//
Creates an HtmlDocument object from an URL
HtmlAgilityPack.HtmlDocument
document = htmlWeb.Load();
//
Targets a specific node
HtmlNode
someNode = document.GetElementbyId("mynode");
//
If there is no node with that Id, someNode will be null
if (someNode
!= null)
{
//
Extracts all links within that node
IEnumerable<htmlnode>
allLinks = someNode.Descendants("a");
//
Outputs the href for external linksforeach (HtmlNode
link in allLinks)
{
//
Checks whether the link contains an HREF attribute
if (link.Attributes.Contains("href"))
{
//
Simple check: if the href begins with "http://",
prints it out
if (link.Attributes["href"].Value.StartsWith())
Console.WriteLine(link.Attributes["href"].Value);
}
}
}</htmlnode>
|
使用xpath
| 1 2 3 4 5 6 |
//
Extracts all links under a specific node that have an href that begins with "http://"
HtmlNodeCollection
allLinks = document.DocumentNode.SelectNodes("//*[@id='mynode']//a[starts-with(@href,'http://')]");
//
Outputs the href for external links
foreach (HtmlNode
link in allLinks)
Console.WriteLine(link.Attributes["href"].Value);
|
One more
| 1 2 3 4 |
xpath
= "//table[@id='1'
or @id='2' or @id='3']//a[@onmousedown]";
xpath
= "//ul[@id='wg0']//li[position()<4]/h3/a";
xpath
= "//div[@class='resitem'
and position()<4]/a";
xpath
= "//li[@class='result'
and position()<4]/a";
|