使用Html Agility Pack快速实现解析Html(C#)

最新推荐文章于 2024-08-13 08:29:05 发布

zxy2847225301

最新推荐文章于 2024-08-13 08:29:05 发布

阅读量2w

点赞数 6

分类专栏： C#编程文章标签： Html Agility Pack C# 解析html 解析标签 NuGet

本文链接：https://blog.csdn.net/zxy13826134783/article/details/85229796

版权

C#编程专栏收录该内容

117 篇文章 7 订阅

订阅专栏

传统解析html标签的方式是利用HttpWebRequest获取html字符串，然后通过正则表达式进行解析，但是这种方式比较麻烦。有没有更简单的方式呢？有，那就是Html Agility Pack，它可以做到像用XmlDocument类来解析xml一样轻松、方便，并且是开源的

其源代码可以通过github下载，下载地址为：https://github.com/zzzprojects/html-agility-pack

其官网地址为：https://html-agility-pack.net/

进入官网后如下图：

点击图中绿色方框框住的Download Now按钮，进入下载页面，如下图：

点击图中的NuGet Download按钮，进入NuGet下载页面，如下图：

点击图中的绿色方框的按钮，进行复制内容Install-Package HtmlAgilityPack -Version 1.8.11，然后使用vistual studio进行下载，不会使用NuGet下载的小伙伴不用担心，我尽量讲详细一点，如果还看不懂，我还会给出参考教程。在这里说一句，如果作为开发者，如果连使用NuGet下载第三方库都不会用，那就说不过去了。好了，言归正传。

如果会使用NuGet的，下面用/*****/包起来的内容可以不用看。

/*****************************************************************************************************************************************/

接着打开你的vistual studio,选中你的项目，选择菜单栏中的 "工具"->"库程序包管理器"->"程序包管理器控制台",打开程序包管理控制台，并把刚才复制的内容粘贴到控制台内进行下载，如下图：

从图中可以看出：我安装前两个版本都没有成功，因为我的vs2012跟下载的版本对应不上，出现这种情况，可以选择更低一点的版本进行安装，前面图中NuGet下载页面下面列出了历史版本，选择更低的版本进行下载，我这里选择了最低的版本1.3.0进行下载就安装成功了。

NuGet使用教程：

NuGet使用教程(gif动态图的方式演示):https://blog.csdn.net/zxy13826134783/article/details/85336968

好了,做了那么多，终于是到了编程操作了，在这里，我们对百度首页的html进行解析

先上一张大图：

如上图，我们要拿到<title>标签里面的内容和id选择器为u1下的所有<a>标签“href”属性的内容和a标签里面的内容

完整代码如下：

using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using HtmlAgilityPack;                 //需要添加的命名空间


namespace HtmlAgilityDll
{
    class HtmlAgilityPackDemo
    {
        static void Main(string[] args)
        {
            
            string url = "http://www.baidu.com";
            HtmlWeb web = new HtmlWeb();
            //从url中加载
            HtmlDocument doc=web.Load(url);
            //获得title标签节点，其子标签下的所有节点也在其中
            HtmlNode headNode=doc.DocumentNode.SelectSingleNode("//title");
            //获得title标签中的内容
            string Title=headNode.InnerText;
            Console.WriteLine(Title);

            Console.WriteLine(".........................................");

            //获得id选择器为u1标签（是u1非ul（L）)节点
            HtmlNode aNode = doc.DocumentNode.SelectSingleNode("//div[@id='u1']");
            //获得ul标签下的所有子节点
            HtmlNodeCollection aCollection=aNode.ChildNodes;
            foreach (var item in aCollection)
            {   
               //获得标签属性为href的值
               string aValue=item.Attributes["href"].Value;
               //获得标签内的内容
               string aInterText= item.InnerText;
               Console.WriteLine("属性值："+aValue+"\t"+"标签内容:"+aInterText);
            }
            Console.ReadKey();
        }
    }
}

运行结果如下图：