如何使用HTML敏捷包

我如何使用HTML敏捷包?

我的XHTML文档不完全有效。所以我才想用它。如何在我的项目中使用它?我的项目是用c#编写的。

386383 次浏览
小开

首先，将HTMLAgilityPack nuget包安装到项目中。

然后，作为一个例子:

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:这个代码只是一个例子，不一定是最好的/唯一的方法。不要盲目地在自己的应用程序中使用它。)

HtmlDocument.Load()方法还接受一个流，这在与。net框架中其他面向流的类集成时非常有用。而HtmlEntity.DeEntitize()是另一个正确处理html实体的有用方法。(感谢马修)

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

请注意HtmlDocument.Option??????布尔属性。它们控制了Load和LoadXML方法如何处理HTML/XHTML。

还有一个编译过的帮助文件，叫做HtmlAgilityPack。CHM，它对每个对象都有完整的引用。这通常位于解决方案的基本文件夹中。

小开

我不知道这对您是否有任何帮助，但我已经写了几篇介绍基础知识的文章。

下一篇文章已经完成了95%，我只需要对我所编写的最后几部分代码进行解释。如果你感兴趣，那么当我发布它时，我会尽量记得在这里发布。

小开

HtmlAgilityPack使用XPath语法，尽管许多人认为它的文档记录很差，但在XPath文档https://www.w3schools.com/xml/xpath_syntax.asp的帮助下，我使用它没有任何困难

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>

我是这样做的:

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);
}
小开 
    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";
}


}
小开

主要HTMLAgilityPack相关代码如下

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;
}
}
}
小开

入门- HTML敏捷包

// 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);
小开

试试这个

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;
}

提交答案