Как использовать HTML Agility Pack
Как я могу использовать HTML Agility Pack?
Мой документ XHTML не полностью действителен. Вот почему я хотел использовать это. Как я могу использовать это в моем проекте? Мой проект на C#.
6 ответов
Сначала установите пакет nuget HTMLAgilityPack в свой проект.
Тогда, как пример:
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
}
}
}
(Примечание: этот код является только примером и не обязательно лучшим / единственным подходом. Не используйте его вслепую в своем приложении.)
HtmlDocument.Load() Метод также принимает поток, который очень полезен для интеграции с другими потоково-ориентированными классами в.NET Framework. В то время как HtmlEntity.DeEntitize() еще один полезный метод для правильной обработки HTML-объектов. (спасибо Мэтью)
HtmlDocument а также HtmlNode те классы, которые вы будете использовать больше всего. Как и анализатор XML, он предоставляет методы selectSingleNode и selectNodes, которые принимают выражения XPath.
Обратите внимание на HtmlDocument.Option?????? булевы свойства Они контролируют, как Load а также LoadXML методы обработают ваш HTML/XHTML.
Существует также скомпилированный файл справки с именем HtmlAgilityPack.chm, в котором есть полная ссылка для каждого из объектов. Обычно это находится в базовой папке решения.
Я не знаю, поможет ли это вам, но я написал пару статей, которые знакомят с основами.
- Серия статей HtmlAgilityPack
- Введение в библиотеку HtmlAgilityPack
- Простое извлечение ссылок из фрагмента HTML с помощью HtmlAgilityPack
Следующая статья завершена на 95%, мне просто нужно написать объяснения последних нескольких частей кода, которые я написал. Если вы заинтересованы, то я постараюсь не забыть опубликовать здесь, когда я опубликую его.
HtmlAgilityPack использует синтаксис XPath, и хотя многие утверждают, что он плохо документирован, у меня не возникло проблем с его использованием с помощью этой документации XPath: https://www.w3schools.com/xml/xpath_syntax.asp
Разобрать
<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>
Я сделал это:
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);
}
Основной HTMLAgilityPack связанный код выглядит следующим образом
using System;
using System.Net;
using System.Web;
using System.Web.Services;
using System.Web.Script.Services;
using System.Text.RegularExpressions;
using HtmlAgilityPack;
namespace GetMetaData
{
/// <summary>
/// Summary description for MetaDataWebService
/// </summary>
[WebService(Namespace = "http://tempuri.org/")]
[WebServiceBinding(ConformsTo = WsiProfiles.BasicProfile1_1)]
[System.ComponentModel.ToolboxItem(false)]
// To allow this Web Service to be called from script, using ASP.NET AJAX, uncomment the following line.
[System.Web.Script.Services.ScriptService]
public class MetaDataWebService: System.Web.Services.WebService
{
[WebMethod]
[ScriptMethod(UseHttpGet = false)]
public MetaData GetMetaData(string url)
{
MetaData objMetaData = new MetaData();
//Get Title
WebClient client = new WebClient();
string sourceUrl = client.DownloadString(url);
objMetaData.PageTitle = Regex.Match(sourceUrl, @
"\<title\b[^>]*\>\s*(?<Title>[\s\S]*?)\</title\>", RegexOptions.IgnoreCase).Groups["Title"].Value;
//Method to get Meta Tags
objMetaData.MetaDescription = GetMetaDescription(url);
return objMetaData;
}
private string GetMetaDescription(string url)
{
string description = string.Empty;
//Get Meta Tags
var webGet = new HtmlWeb();
var document = webGet.Load(url);
var metaTags = document.DocumentNode.SelectNodes("//meta");
if (metaTags != null)
{
foreach(var tag in metaTags)
{
if (tag.Attributes["name"] != null && tag.Attributes["content"] != null && tag.Attributes["name"].Value.ToLower() == "description")
{
description = tag.Attributes["content"].Value;
}
}
}
else
{
description = string.Empty;
}
return description;
}
}
}
public string HtmlAgi(string url, string key)
{
var Webget = new HtmlWeb();
var doc = Webget.Load(url);
HtmlNode ourNode = doc.DocumentNode.SelectSingleNode(string.Format("//meta[@name='{0}']", key));
if (ourNode != null)
{
return ourNode.GetAttributeValue("content", "");
}
else
{
return "not fount";
}
}
Попробуй это
string htmlBody = ParseHmlBody(dtViewDetails.Rows[0]["Body"].ToString());
private string ParseHmlBody(string html)
{
string body = string.Empty;
try
{
var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html);
var htmlBody = htmlDoc.DocumentNode.SelectSingleNode("//body");
body = htmlBody.OuterHtml;
}
catch (Exception ex)
{
dalPendingOrders.LogMessage("Error in ParseHmlBody" + ex.Message);
}
return body;
}
Начало работы - HTML Agility Pack
// From File
var doc = new HtmlDocument();
doc.Load(filePath);
// From String
var doc = new HtmlDocument();
doc.LoadHtml(html);
// From Web
var url = "http://html-agility-pack.net/";
var web = new HtmlWeb();
var doc = web.Load(url);