一个犀利的 HTML 解析器 —— Less.Html
我写了这个解析器之后才知道，原来 C# 写的 html 解析器有很多。但是因为我没有参照别人的做法，Less.Html 有一个特点，就是它的用法是最接近 jQuery 的。我刻意模仿了 jQuery。比如我写的 示例一：
|
1
2
3
4
5
6
7
8
9
|
var q = HtmlParser.Query(testHtml);
foreach
(Element i
in
q(
"td"
))
{
if
(!q(i).find(
"table"
).hasElement)
{
Console.WriteLine(i.textContent);
}
}
|
解析之后返回的 q 对象，等同于 jQuery 的 $，因为 C# 不支持用 $ 做变量名，所以我用 q 代替。foreach 循环的部分，在 jQuery 的写法应该是：
|
1
|
for
(var i = 0; i < $(
"td"
).length; i++)
|
其实在 Less.Html 里面，同样可以这样写，jQuery 不能使用foreach 的原因是，它会枚举对象的属性，C# 没有这个烦恼，所以我做了些改进。if 条件部分，q 和 jQuery 的 $ 一样，是可以传入 Element 类型的，然后调用的 find 方法，作用也是和 jQuery 一样的。hasElement 这个属性，实际上就是 length > 0 的判断，是我写的一个扩展属性，当然，你在 jQuery 里面也可以通过 prototype 做同样的事情。输出部分，textContent 是 HTML DOM 标准的一个方法，作用是获取节点及其后代的文本内容，这和你在编写浏览器运行的 javascript 是一样的。
Less.Html 从解析核心到 DOM、选择器都是我手写的，没有任何依赖项，编译之后只有两个 dll：
其中一个是我的基础类库，也是开源的。
示例一代码：GitHub 码云
项目代码：GitHub 码云
NuGet:
https://www.nuget.org/packages/Less.Html
我当时写这个解析器是因为要做网页爬虫，核心三天写完就能用了，并用来解析了几百万个网页，可用性上是没有问题的。后来我觉得 Razor 语法还是不够好，于是我改进了这个解析器，加上了选择器和操作 html 文档的方法，制作了我自己的视图引擎 QPage。我的个人博客就是使用这个引擎写的：
https://www.nuget.org/packages/QPage/
QPage 在添加文档之后，也会开源。
后来我在网上知道了 csQuery、Jumony 这些解析器的作者，都会把自己的解析器做成视图引擎，我开始觉得在服务器端解析文档，而不是拼接文档，应该是未来的趋势。
以下是 Less.Html 支持的选择器：
| 选择器 | 实例 | 选取 |
|---|---|---|
| * | q("*") | 所有元素 |
| #id | q("#lastname") | id="lastname" 的元素 |
| .class | q(".intro") | 所有 class="intro" 的元素 |
| element | q("p") | 所有 元素 |
| :first | q("p:first") | 第一个 元素 |
| :last | q("p:last") | 最后一个 元素 |
| [attribute] | q("[href]") | 所有带有 href 属性的元素 |
| [attribute=value] | q("[href='#']") | 所有 href 属性的值等于 "#" 的元素 |
| :checkbox | q(":checkbox") | 所有 type="checkbox" 的 元素 |
| :eq(index) | q("ul li:eq(3)") | 列表中的第四个元素（index 从 0 开始） |
| :gt(no) | q("ul li:gt(3)") | 列出 index 大于 3 的元素 |
| :lt(no) | q("ul li:lt(3)") | 列出 index 小于 3 的元素 |
以及它们的组合使用，比如 .class element.class 或者 .class.class，暂时不支持 .class>.class 这种。
因为时间紧迫，加上对我来说够用了，我并没有实现所有的 css3 选择器，而是根据需要逐步添加，添加了新的选择器我会更新上面的表格。
下面是我写的一些使用示例：
示例一：获取嵌套元素中的正确内容
示例二：以 Less.Html 做视图引擎
示例三：与 WebClient 的配合使用，以抓取 CSDN 论坛内容为例
示例四：与 WebBrowser 的配合使用，以抓取京东手机价格为例
示例五：使用方法详解
如果你实在不想用 Less.Html，我可以介绍一些其他选择：
Html Agility Pack，这个应该是最早的一个，我当时没有用，是因为网上有人说有容错性的问题，如果一个标签没有结束，解析的结果和浏览器不一致。不过这个项目现在都还有维护，我想应该有所改进的。
CsQuery，两年前就没有维护了，网上说这个项目有很好的 css 选择器。我看了介绍，它使用的是 Gecko 的解析器，如果是这样的话，可用性和速度都是有保证的。
AngleSharp，我看了一下介绍，这个项目还有 GUI，应该是功能最强大的一个吧。
Jumony，国产。如果我自己没有写的话，我会使用这个，因为有中文的说明。