Net C# 解析 HTML -- Html Agility Pack

转自： http://blog.csdn.net/flying881114/article/details/6609546

           http://www.cnblogs.com/stone_w/archive/2012/09/25/2701869.html

 

Why Html Agility Pack? (以下简称HAP)

.Net下解析HTML文件有很多种选择，包括微软自己也提供MSHTML用于manipulate HTML文件。但是，经过我一段时间的搜索，Html Agility Pack浮出水面：它是Stackoverflow网站上推荐最多的C# HTML解析器。HAP开源，易用，解析速度快。

 

How to use HAP?

1. 右击项目，选择"Manage NuGet Packages"

2. 搜索HTMLAgilityPack

3. 在Visual Studio Solution里，右击project -> add reference -> 选择解压文件夹里的HTMLAgilityPack.dll -> 确定

4. 代码头部加入 using HtmlAgilityPack;

Done!

 

Quick Start:

HtmlWeb webClient = new HtmlWeb();
HtmlDocument doc = webClient.Load("http://xxx");

HtmlNodeCollection hrefList = doc.DocumentNode.SelectNodes(".//a[@href]");

if (hrefList != null)
{
     foreach (HtmlNode href in hrefList)
     {
        HtmlAttribute att = href.Attributes["href"];
        doSomething(att.Value);

     }

}

 以上代码示例load进来一个网页，提取所有的link（就是<a href=...></a>），遍历时提取出link的内容（href.Attributes["href"].Value）然后doSomething().

 

简介

本文介绍net处理html页面元素的工具类(HtmlAgilityPack.dll)的使用，用途比较多的应该是例如采集类的功能，采集到的html字符串要怎样处理是一个头痛的问题，如果是截取就太麻烦了而且容易出错。所有就用到本文的第三方dll来处理了。

 

下载

右击项目，选择"Manage NuGet Packages"

搜索：HtmlAgilityPack，之后安装就行了

 

使用

1.添加HtmlAgilityPack.dll引用（引用类using HtmlAgilityPack;）。

2.简单根据html中input的id获取value代码如下：

// 模拟用户请求
WebClient webClient = new WebClient();
webClient.Encoding = System.Text.Encoding.UTF8;
string htmlContext = webClient.DownloadString("http://stone_w.cnblogs.com/");
webClient.Credentials = CredentialCache.DefaultCredentials; // 添加授权证书
webClient.Headers.Add("User-Agent", "Microsoft Internet Explorer");
webClient.Headers.Add("Host", "www.cnblogs.com");

// 获取html元素（htmlContext为html页面字符串）
HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(htmlContext);  // 加载html页面
HtmlNode navNode = htmlDoc.GetElementbyId("id名称");
Response.Write(navNode.Attributes["value"].Value);

 

总结

HtmlAgilityPack可以根据id查询value，还可以获取单个元素节点，都是HtmlDocument类的内置方法，大家可以试着练练。谢谢完~