如何使用HTML Agility Pack

我如何使用HTML Agility Pack？

我的XHTML文档不完全有效。 这就是我为什么要使用它的原因。 我如何在我的项目中使用它？ 我的项目是在C＃中。

---

首先，将HTMLAgilityPack nuget包安装到您的项目中。

然后，举个例子：

HtmlAgilityPack.HtmlDocument htmlDoc = new HtmlAgilityPack.HtmlDocument();

// There are various options, set as needed
htmlDoc.OptionFixNestedTags=true;

// filePath is a path to a file containing the html
htmlDoc.Load(filePath);

// Use:  htmlDoc.LoadHtml(xmlString);  to load from a string (was htmlDoc.LoadXML(xmlString)

// ParseErrors is an ArrayList containing any errors from the Load statement
if (htmlDoc.ParseErrors != null && htmlDoc.ParseErrors.Count() > 0)
{
    // Handle any parse errors as required

}
else
{

    if (htmlDoc.DocumentNode != null)
    {
        HtmlAgilityPack.HtmlNode bodyNode = htmlDoc.DocumentNode.SelectSingleNode("//body");

        if (bodyNode != null)
        {
            // Do something with bodyNode
        }
    }
}

（注意：此代码只是一个示例，不一定是最好/唯一的方法，不要在您的应用程序中盲目使用它。）

HtmlDocument.Load()方法也接受一个流，它在与.NET框架中的其他面向流的类集成时非常有用。 而HtmlEntity.DeEntitize()是正确处理html实体的另一种有用方法。 （感谢马修）

HtmlDocument和HtmlNode是你最HtmlNode的类。 与XML解析器类似，它提供了接受XPath表达式的selectSingleNode和selectNodes方法。

注意HtmlDocument.Option?????? 布尔属性。 这些控制Load和LoadXML方法如何处理HTML / XHTML。

还有一个名为HtmlAgilityPack.chm的编译的帮助文件，它具有每个对象的完整参考。 这通常位于解决方案的基础文件夹中。

---

我不知道这对你是否有任何帮助，但我写了几篇介绍基础知识的文章。

HtmlAgilityPack文章系列

HtmlAgilityPack图书馆简介

使用HtmlAgilityPack轻松从html代码片段中提取链接

下一篇文章完成了95％，我只需要写下我写的代码的最后几部分的解释。 如果你有兴趣，那么我会尽量记住我发布时在这里发布。

---

HtmlAgilityPack使用XPath语法，尽管很多人认为它的记录不完善，但在使用此XPath文档的帮助下使用它并不困难：https：//www.w3schools.com/xml/xpath_syntax.asp

解析

<h2>
  <a href="">Jack</a>
</h2>
<ul>
  <li class="tel">
    <a href="">81 75 53 60</a>
  </li>
</ul>
<h2>
  <a href="">Roy</a>
</h2>
<ul>
  <li class="tel">
    <a href="">44 52 16 87</a>
  </li>
</ul>

我这样做了：

string url = "http://website.com";
var Webget = new HtmlWeb();
var doc = Webget.Load(url);
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//h2//a"))
{
  names.Add(node.ChildNodes[0].InnerHtml);
}
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//li[@class='tel']//a"))
{
  phones.Add(node.ChildNodes[0].InnerHtml);
}

链接地址: http://www.djcxy.com/p/83345.html

上一篇: How to use HTML Agility pack

下一篇: Javascript: How to detect if browser window is scrolled to bottom?