zoukankan      html  css  js  c++  java
  • .NET Core HtmlAgilityPack HTML解析利器

    最近学习.NET Core ,想把自己之前的一个项目升级到 .NET Core。

    发现HtmlAgilityPack 没法进行引用,遂自己做了些修改,可以运行在 .NET Core 中。现在分享出来,也是为  .NET Core 做一些贡献。

    .NET Core版 HtmlAgilityPack HTML解析利器,目前是 HtmlAgilityPack Core RC2

    HtmlAgilityPack 介绍

    HtmlAgilityPack是一个基于.Net的、第三方免费开源的微型类库,主要用于在服务器端解析html文档。

    本源码fork 自官网源码,我只是对其做了一些修改及封装。

    官网源码: http://htmlagilitypack.codeplex.com/

    GitHub: https://github.com/linezero/HtmlAgilityPack

    HtmlAgilityPack中定位节点基本上都用Xpath表达式,Xpath表达式的参考文档可见:http://www.w3school.com.cn/xpath/xpath_syntax.asp 。

    下面是几个简单使用说明:

    1、获取网页title:doc.DocumentNode.SelectSingleNode("//title").InnerText; 
    解释:XPath中“//title”表示所有title节点。SelectSingleNode用于获取满足条件的唯一的节点。


    2、获取所有的超链接:doc.DocumentNode.Descendants("a")


    3、获取name为kw的input,也就是相当于getElementsByName():
                var kwBox = doc.DocumentNode.SelectSingleNode("//input[@name='kw']");

    .NET Core 使用HtmlAgilityPack

    新建一个控制台应用程序

    然后添加 HtmlAgilityPack 引用,这里直接添加项目引用。

     

    下面来讲解一下简单使用。以博客园新闻区为示例,进行解析。

            public static void Main(string[] args)
            {
                Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
                HtmlWeb web = new HtmlWeb();
                var doc = web.LoadFromWebAsync("http://news.cnblogs.com/").Result;
                var nodes = doc.DocumentNode.SelectNodes("//div[@id='news_list']/div/div[2]/h2/a");
                foreach (var item in nodes)
                {
                    Console.WriteLine($"标题:{item.InnerText} 地址:{item.Attributes["href"].Value}" );
                }
                Console.ReadKey();
            }

    这样我们就成功获取到博客园新闻区信息。更多更强大的功能大家可以自己去发掘。

    HtmlAgilityPack  .NET Core RC2

    GitHub: https://github.com/linezero/HtmlAgilityPack

    如果你觉得本文对你有帮助,请点击“推荐”,谢谢。

  • 相关阅读:
    10 shell test命令
    9 shell 退出状态
    8 shell if else
    7 shell 数学运算
    6-x3 declare和typeset命令:设置变量属性
    6-x1 read命令:从键盘读取数据
    Bootstrap 有一个 class 属性叫做 well,它的作用是为设定的列创造出一种视觉上的深度感
    form-control给input添加这个class类后就会使用bootstrap自带的input框
    bootstrap文字居中!
    img-responsive class图片响应式
  • 原文地址:https://www.cnblogs.com/linezero/p/HtmlAgilityPack.html
Copyright © 2011-2022 走看看