C#获取HTML文件指定DIV内容

最近自己找了一个开源的博客网站，放到阿里云上，方便自己发布博客。

我一般把文章发布到博客园和QQ空间，家了这个网站后又要多发布一次，为了省事就做了一个从博客园读取文章的功能；

输入链接URL地址点击提交；

 

从GetHub安装HtmlAgilityPack

后台C#代码

 

public ActionResult LinkBlog(string urlStr)
        {
            Response response = new Response() { Code =1 };
            if (string.IsNullOrWhiteSpace(urlStr))
            {
                response.Code = 0;
                response.Message = "链接URL必填";
                return Json(response);
            }

            WebClient c = new WebClient();
            c.Encoding = Encoding.GetEncoding("UTF-8");
            string html = c.DownloadString(urlStr);

            HtmlDocument doc = new HtmlDocument();
            doc.LoadHtml(html);
            HtmlNode nodeinfo = doc.GetElementbyId("post_detail");

            //post_detail
            //
            HtmlNode nodetitle = doc.GetElementbyId("cb_post_title_url");

            //cnblogs_post_body

            HtmlNode nodecontent = doc.GetElementbyId("cnblogs_post_body");

            string htmlstr = nodeinfo.OuterHtml;

            Blog blog = new Blog();
            blog.Publish = true;
            blog.Title =string.Format("链接文章：{0}", nodetitle.InnerText);
            blog.Volume = 0;
            blog.Content = htmlstr;
            blog.CreateTime = DateTime.Now;
            string htmlsumm = nodecontent.InnerText.Replace(" ", "");
            int sublen = htmlsumm.Length;
            if (sublen > 80)
            {
                sublen = 80;
            }
            blog.Summary = htmlsumm.Substring(0, sublen);

            blog.Category=  categoryManager.FindRoot()[0];
            response = blogManager.AddBlog(blog);

            return Json(response);
        }

应用的技术

WebClient c = new WebClient();

            c.Encoding = Encoding.GetEncoding("UTF-8");

            string html = c.DownloadString(urlStr);

通过WebClient读取网页，注意这里的编码问题，有的网页用的是UTF-8有的是GB2312

自己尝试一下就知道了，编码设置错误会出现汉子乱码。

HtmlDocument doc = new HtmlDocument();

            doc.LoadHtml(html);

            HtmlNode nodeinfo = doc.GetElementbyId("post_detail");

读取HTML字符串中指定id的标签的内容；

参考博客：http://www.cnblogs.com/ITmuse/archive/2010/05/29/1747199.html

 

最终我不用再重复添加博客了，不过还多亏博客园没有做图片防盗链，否则图片还要单独处理。