Jumony入门（三）初探解析器

首先介绍一下Jumony是什么，Jumony是一个.NET的开源项目，项目主页位于：http://jumony.codeplex.com/，采用LGPL协议发布。

Jumony试图提供在传统Web开发模型中许多难以解决问题的解决方案。一言蔽之，Jumony的一切基础建立在服务器端的HTML DOM之上。在服务器端将HTML（文件或动态网页技术的输出）按照客户端浏览器的处理方式解析为HTML DOM。操纵和处理HTML DOM，就像我们在客户端用JavaScript干的那些事情一样，不同的是，Jumony可以使你依托强大的.NET Framework，来解决以前用脚本和服务器端技术都难以解决的事情。

系列目录：

Jumony入门（一）从这里开始

Jumony入门（二）初识选择器

 

这是系列文章的第三篇，这个系列尝试一步步从一些最简单的例子开始了解怎么玩转Jumony。建议先从第一篇开始学习搭建Jumony环境，在本文的开始的时候，假设大家已经搭建好了Jumony的运行环境。

 

这一次我要谈到Jumony的HTML解析器，显然我自己写的简单的符合规范的HTML并不能说明解析器的功能。所以这一次我直接从互联网上随便抓一个页面来完成示范。

 

首先在项目中添加一个aspx文件，然后在上面放一个DataGrid来展示我们一会儿要抓取的成果，像是这样：

 

那么接下来，我们到Code Behind里面来添加一些代码，首先是要下载一个互联网的页面，我用新浪的首页来做示范，事实上你也可以换成任何你喜欢网站（例如博客园），下载网页最简单的方式当然是WebClient，不过记得添加using System.Net哦，同时我也把Jumony的一些引用都添加上了，像这样：

 

然后创建JumonyParser的实例，并调用其Parse方法将html分析成一个IHtmlDocument：

Jumony Milestone 1除了提供Jumony Parser分析HTML文档之外，还可以把HtmlAgilityPack分析的文档转换成Jumony的标准DOM模型。这使得HtmlAgilityPack也可以当作Jumony的一个Parser来使用，下面的代码展示了这一点：

不过，这么做之前要确保你引用了Ivony.Web.Html.HtmlAgilityPackAdaptor命名空间，AsDocument扩展方法便是在其中定义的。

HtmlAgilityPackAdaptor为HtmlAgilityPack的DOM对象提供了一个适配器，使得其可以满足Jumony标准DOM的要求，从而使用Jumony的方法来操作。理论上所有的HTML DOM和Parser都可以通过适配项目与Jumony适配。

 

这两种HTML Parser各有优劣，大家可以任选一种来完成这一次的例子。在这里我使用Jumony Parser来继续下面的例子。

分析了新浪的首页后，接下来就要干坏事了，首先把新浪首页上所有的链接全部取出来。由于链接都是<a>定义的，所以简单的用Find( "a" )就可以选择出来。但<a>除了可以定义链接，还可以定义锚点，我们并不需要取出页面上的锚点。所以我们用"a[href]"，即包含href属性的a标签：

然后我们分析这些链接，将其目标URL取出来（即href属性），由于href可能是一个相对链接，所以我们用页面的地址 "http://www.sina.com.cn/" 作为基地址，重新计算出绝对的URL，然后我用LINQ表达式来对所有URL完成这样的操作，再放在一个匿名对象中：

可以看得出来，这些工作在服务器端完成的时候，是多么的简洁流畅，一气呵成。如果在客户端来完成这种事情，没有强大的.NET Framework作为后盾，一个简单的URL计算就可以难倒无数英雄好汉。

 

然后再为匿名对象添加一些其他有趣的属性，对链接排序，最后绑定到DataGrid上，最终的代码像这样：

由于DataGrid有自动生成列的特性，所以我们并不需要做些什么，它会自动的弄一个表格来展现这些数据，效果像是这样：

 

把抓取的网页换成博客园首页：

 

写在最后

Jumony的确可以用来干各种各样的坏事，譬如说抓取页面，分析数据，或是新闻小偷什么的。从这一点来说，你可以说Jumony是邪恶的，但软件本来就是邪恶的，Jumony将一些很复杂的事情，提供了简单的解决方案，也许，这降低了干坏事的成本，但更多的时候，Jumony带来了生产力的飞跃。借助Jumony，我们能做的好玩的事情，要比这些邪恶的事情多多了不是么？

谢谢大家。