.NET 解析HTML代码——NSoup

NSoup是一个开源框架，是JSoup（Java）的.NET移植版本

1、直接用起来

NSoup.Nodes.Document htmlDoc = NSoup.NSoupClient.Parse(HTMLString);       //无需实例化

 

NSoup的强大之处在于可以用类似js的方法来获取节点元素

 

通过元素类型获取元素GetElementByTag("p")

NSoup.Select.Elements ele= htmlDoc.GetElementsByTag(TbTag.Text);
foreach (var item in ele)
{
if (item.Attr("class") == "col-sm-4 col-xs-6 listtit1")   //通过Attr(""href)可以获取元素的属性
{
 　　sb.AppendLine(item.Text());     //通过Text()方法可以获取元素中的文本内容
}
}

 

2、做了一个winform的小demo

关键代码：

 下面以提取一个html代码中211大学名和地点的为例：

        private void GetHtml_Click(object sender, EventArgs e)
        {
            //获取指定地址的Html代码
            TbCode.Text = "";
            string url = TbUrl.Text.Trim();
            WebClient client = new WebClient();
            client.Encoding = System.Text.Encoding.UTF8;
            string html = client.DownloadString(url);
            TbCode.Text = html;
        }

        private void Analysis_Click(object sender, EventArgs e)
        {
            NSoup.Nodes.Document htmlDoc = NSoup.NSoupClient.Parse(TbCode.Text);
            NSoup.Select.Elements ele= htmlDoc.GetElementsByTag(TbTag.Text);
            System.Text.StringBuilder sb=new StringBuilder();
            foreach (var item in