有個需求要寫網絡爬蟲,之前接觸過一個叫Html Agility Pack這個解析html的庫,此次又要用到,然而發現之前咋用的已經不記得了,如今從頭開始記錄一下使用過程.html
Html Agility Pack官網.你們用的同時也能夠去github上star一下這個項目,支持一下.net開源項目.(首頁上有其github的項目地址)node
有幾種方式能夠加載Htmlgit
從流(Stream)中加載github
HtmlWebRequest req = WebRequest.Create("https://www.cnblogs.com/Laggage/p/10740012.html") as HtmlWebRequest; HtmlWebResponse res = req.GetResponse() as HtmlWebResponse; Stream s = res.GetResponseStream(); HtmlDocument doc = new HtmlDocument(); doc.Load(s)
從字符串加載Html(直接用的官網的一個例子)web
var html = @"<!DOCTYPE html> <html> <body> <h1>This is <b>bold</b> heading</h1> <p>This is <u>underlined</u> paragraph</p> <h2>This is <i>italic</i> heading</h2> </body> </html> "; var htmlDoc = new HtmlDocument(); htmlDoc.LoadHtml(html); var htmlBody = htmlDoc.DocumentNode.SelectSingleNode("//body"); Console.WriteLine(htmlBody.OuterHtml);
從文件加載markdown
string path = @"test.html"; HtmlDocument doc = new HtmlDocument(); doc.Load(path); HtmlNode node = doc.DocumentNode.SelectSingleNode("//body"); Console.WriteLine(node.OuterHtml);
還能夠直接從網絡上加載(套用官網的例子)網絡
string html = @"http://html-agility-pack.net/"; HtmlWeb web = new HtmlWeb(); HtmlDocument htmlDoc = web.Load(html); HtmlNode node = htmlDoc.DocumentNode.SelectSingleNode("//head/title"); Console.WriteLine("Node Name: " + node.Name + "\n" + node.OuterHtml);
利用Html Agility Pack解析起html仍是很容易的.主要利用XPath語法.一樣套用官網的代碼.ide
HtmlDocument htmlDoc = new HtmlDocument(); htmlDoc.LoadHtml(html); string name = htmlDoc.DocumentNode .SelectNodes("//td/input") //雙斜槓表示查詢全部的子節點,若是是隻要查詢範圍在當前節點的下一層子節點,則只用一個子節點. .First() .Attributes["value"].Value;
主要就是利用 HtmlNode.SelectSingleNode()和HtmlNode.SelectNodes()方法來尋找節點.
這是 Html Agility Pack 官網首頁的一段html,如今以要拿到其中的pre標籤的全部內容爲例.flex
string url = @"https://html-agility-pack.net/"; HtmlWeb web = new HtmlWeb(); HtmlDocument doc = web.Load(html); string text = doc.DocumentNode .SelectSingleNode("//div[@class='side-body container-none page-index']/div[@class='container-examples-index d-flex justify-content-center']/pre") .InnerText; Console.WriteLine(text);
具體的XPath語法能夠看W3C的教程:W3CXPath教程.url