Получить HTML-код с сайта в C#

Question

Как получить HTML-код с веб-сайта, сохранить его и найти текст с помощью выражения LINQ?

Я использую следующий код для получения источника веб-страницы:

public static String code(string Url)
{
    HttpWebRequest myRequest = (HttpWebRequest)WebRequest.Create(Url);
    myRequest.Method = "GET";
    WebResponse myResponse = myRequest.GetResponse();
    StreamReader sr = new StreamReader(myResponse.GetResponseStream(), System.Text.Encoding.UTF8);
    string result = sr.ReadToEnd();
    sr.Close();
    myResponse.Close();

    return result;
 }

Как мне найти текст в div в источнике веб-страницы?

Answer 1

Получение HTML-кода с сайта. Вы можете использовать код, подобный этому.

string urlAddress = "http://google.com";

HttpWebRequest request = (HttpWebRequest)WebRequest.Create(urlAddress);
HttpWebResponse response = (HttpWebResponse)request.GetResponse();

if (response.StatusCode == HttpStatusCode.OK)
{
  Stream receiveStream = response.GetResponseStream();
  StreamReader readStream = null;

  if (response.CharacterSet == null)
  {
     readStream = new StreamReader(receiveStream);
  }
  else
  {
     readStream = new StreamReader(receiveStream, Encoding.GetEncoding(response.CharacterSet));
  }

  string data = readStream.ReadToEnd();

  response.Close();
  readStream.Close();
}

Это даст вам возвращенный HTML- код с сайта. Но найти текст через LINQ не так просто. Возможно, лучше использовать регулярные выражения, но это плохо сочетается с HTML- кодом.

Answer 2

Лучше вы можете использовать класс Webclient, чтобы упростить вашу задачу:

using System.Net;

using (WebClient client = new WebClient())
{
    string htmlCode = client.DownloadString("http://somesite.com/default.html");
}

Answer 3

Лучше всего использовать HTMLAgilityPack. Вы также можете изучить использование Fizzler или CSQuery в зависимости от ваших потребностей при выборе элементов на найденной странице. Использование выражений LINQ или Regukar может привести к ошибкам, особенно когда HTML может быть искажен, отсутствует закрывающий тег, есть вложенные дочерние элементы и т. Д.

Вам нужно направить страницу в объект HtmlDocument, а затем выбрать нужный элемент.

// Call the page and get the generated HTML
var doc = new HtmlAgilityPack.HtmlDocument();
HtmlAgilityPack.HtmlNode.ElementsFlags["br"] = HtmlAgilityPack.HtmlElementFlag.Empty;
doc.OptionWriteEmptyNodes = true;

try
{
    var webRequest = HttpWebRequest.Create(pageUrl);
    Stream stream = webRequest.GetResponse().GetResponseStream();
    doc.Load(stream);
    stream.Close();
}
catch (System.UriFormatException uex)
{
    Log.Fatal("There was an error in the format of the url: " + itemUrl, uex);
    throw;
}
catch (System.Net.WebException wex)
{
    Log.Fatal("There was an error connecting to the url: " + itemUrl, wex);
    throw;
}

//get the div by id and then get the inner text 
string testDivSelector = "//div[@id='test']";
var divString = doc.DocumentNode.SelectSingleNode(testDivSelector).InnerHtml.ToString();

[EDIT] На самом деле, это лом. Самый простой способ - использовать FizzlerEx, обновленную реализацию jQuery/CSS3-селекторов исходного проекта Fizzler.

Пример кода прямо с их сайта:

using HtmlAgilityPack;
using Fizzler.Systems.HtmlAgilityPack;

//get the page
var web = new HtmlWeb();
var document = web.Load("http://example.com/page.html")
var page = document.DocumentNode;

//loop through all div tags with item css class
foreach(var item in page.QuerySelectorAll("div.item"))
{
    var title = item.QuerySelector("h3:not(.share)").InnerText;
    var date = DateTime.Parse(item.QuerySelector("span:eq(2)").InnerText);
    var description = item.QuerySelector("span:has(b)").InnerHtml;
}

Я не думаю, что это может быть проще, чем это.

Answer 4

Я использую AngleSharp и был очень доволен этим.

Вот простой пример, как получить страницу:

var config = Configuration.Default.WithDefaultLoader();
var document = await BrowsingContext.New(config).OpenAsync("https://www.google.com");

И теперь у вас есть веб-страница в переменной документа. Тогда вы можете легко получить к нему доступ с помощью LINQ или другими методами. Например, если вы хотите получить строковое значение из таблицы HTML:

var someStringValue = document.All.Where(m =>
        m.LocalName == "td" &&
        m.HasAttribute("class") &&
        m.GetAttribute("class").Contains("pid-1-bid")
    ).ElementAt(0).TextContent.ToString();

Чтобы использовать CSS-селекторы, смотрите примеры AngleSharp.

Answer 5

Вот решение, как получить ваш.

private void buttonl_Click(object sender, EventArgs e) 
{ 
    String url = TextBox_url.Text;
    HttpWebRequest request = (HttpWebRequest) WebRequest.Create(url); 
    HttpWebResponse response = (HttpWebResponse) request.GetResponse(); 
    StreamReader sr = new StreamReader(response.GetResponseStream()); 
    richTextBox1.Text = sr.ReadToEnd(); 
    sr.Close(); 
} 

Answer 6

Вы можете использовать WebClient для загрузки html для любого URL-адреса. Когда у вас есть html, вы можете использовать стороннюю библиотеку, такую ​​как HtmlAgilityPack, для поиска значений в html, как в приведенном ниже коде -

public static string GetInnerHtmlFromDiv(string url)
    {
        string HTML;
        using (var wc = new WebClient())
        {
            HTML = wc.DownloadString(url);
        }
        var doc = new HtmlAgilityPack.HtmlDocument();
        doc.LoadHtml(HTML);
        
        HtmlNode element = doc.DocumentNode.SelectSingleNode("//div[@id='<div id here>']");
        if (element != null)
        {
            return element.InnerHtml.ToString();
        }   
        return null;            
    }

Answer 7

Попробуйте это решение. Работает нормально.

 try{
        String url = textBox1.Text;
        HttpWebRequest request = (HttpWebRequest)WebRequest.Create(url);
        HttpWebResponse response = (HttpWebResponse)request.GetResponse();
        StreamReader sr = new StreamReader(response.GetResponseStream());
        HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
        doc.Load(sr);
        var aTags = doc.DocumentNode.SelectNodes("//a");
        int counter = 1;
        if (aTags != null)
        {
            foreach (var aTag in aTags)
            {
                richTextBox1.Text +=  aTag.InnerHtml +  "\n" ;
                counter++;
            }
        }
        sr.Close();
        }
        catch (Exception ex)
        {
            MessageBox.Show("Failed to retrieve related keywords." + ex);
        }

Answer 8

          public partial class MainForm : Form
    {
        WebClient webclient;
        public MainForm()
        {
            InitializeComponent();

            webclient = new WebClient();
            webclient.DownloadDataCompleted += new DownloadDataCompletedEventHandler(DownloadDataCompleted);
        
            var url = "www.google.com";
            webclient.DownloadDataAsync(new Uri(url));
        }


        void DownloadDataCompleted(object sender,
                                DownloadDataCompletedEventArgs e)
        {
           var htmlCode = Encoding.ASCII.GetString(e.Result);           

        }
    
   }