C# 网络爬虫利器之HtmlAgilityPack快速解析Html

在项目维护期间，客户要求导出html模板相关字段到excel。之前做过网络爬虫用的是正则，现在百度一下还有更加好的工具：HtmlAgilityPack 地址

她解析速度相当快、开源、易用，可以帮我们快速的解析html。

1、加载html

// 从物理路径的文件加载
var doc = new HtmlDocument();
doc.Load(filePath);//文件路径

// 从Stream当中加载
var doc = new HtmlDocument();
doc.LoadHtml(html);

// 从网页的Url链接加载
var url = “http://www.cnblogs.com/xuliangxing/”;
var web = new HtmlWeb();
var doc = web.Load(url);

2、快速定位我们想要的数据

//获取textarea 属性值alt=‘发包部门’ 的内容

HtmlNode txtfbbm = document.DocumentNode.SelectSingleNode(“//textarea[@alt=‘发包部门’]”);

txtfbbm.InnerText

//合同金额(万元)
HtmlNode txthtje = document.DocumentNode.SelectSingleNode(“//input[@alt=‘合同金额’]”);

if (txthtje.Attributes[“value”] != null)
txthtje.Attributes[“value”].Value;