Jumony入門（三）初探解析器

首先介紹一下Jumony是什麼，Jumony是一個.NET的開源項目，項目主頁位於：http://jumony.codeplex.com/，採用LGPL協議發佈。

Jumony試圖提供在傳統Web開發模型中許多難以解決問題的解決方案。一言蔽之，Jumony的一切基礎創建在服務器端的HTML DOM之上。在服務器端將HTML（文件或動態網頁技術的輸出）按照客戶端瀏覽器的處理方式解析爲HTML DOM。操縱和處理HTML DOM，就像咱們在客戶端用JavaScript乾的那些事情同樣，不一樣的是，Jumony可使你依託強大的.NET Framework，來解決之前用腳本和服務器端技術都難以解決的事情。

系列目錄：

Jumony入門（一）從這裏開始

Jumony入門（二）初識選擇器

 

這是系列文章的第三篇，這個系列嘗試一步步從一些最簡單的例子開始瞭解怎麼玩轉Jumony。建議先從第一篇開始學習搭建Jumony環境，在本文的開始的時候，假設你們已經搭建好了Jumony的運行環境。

 

這一次我要談到Jumony的HTML解析器，顯然我本身寫的簡單的符合規範的HTML並不能說明解析器的功能。因此這一次我直接從互聯網上隨便抓一個頁面來完成示範。

 

首先在項目中添加一個aspx文件，而後在上面放一個DataGrid來展現咱們一下子要抓取的成果，像是這樣：

 

那麼接下來，咱們到Code Behind裏面來添加一些代碼，首先是要下載一個互聯網的頁面，我用新浪的首頁來作示範，事實上你也能夠換成任何你喜歡網站（例如博客園），下載網頁最簡單的方式固然是WebClient，不過記得添加using System.Net哦，同時我也把Jumony的一些引用都添加上了，像這樣：

 

而後建立JumonyParser的實例，並調用其Parse方法將html分析成一個IHtmlDocument：

Jumony Milestone 1除了提供Jumony Parser分析HTML文檔以外，還能夠把HtmlAgilityPack分析的文檔轉換成Jumony的標準DOM模型。這使得HtmlAgilityPack也能夠看成Jumony的一個Parser來使用，下面的代碼展現了這一點：

不過，這麼作以前要確保你引用了Ivony.Web.Html.HtmlAgilityPackAdaptor命名空間，AsDocument擴展方法即是在其中定義的。

HtmlAgilityPackAdaptor爲HtmlAgilityPack的DOM對象提供了一個適配器，使得其能夠知足Jumony標準DOM的要求，從而使用Jumony的方法來操做。理論上全部的HTML DOM和Parser均可以經過適配項目與Jumony適配。

 

這兩種HTML Parser各有優劣，你們能夠任選一種來完成這一次的例子。在這裏我使用Jumony Parser來繼續下面的例子。

分析了新浪的首頁後，接下來就要幹壞事了，首先把新浪首頁上全部的連接所有取出來。因爲連接都是<a>定義的，因此簡單的用Find( "a" )就能夠選擇出來。但<a>除了能夠定義連接，還能夠定義錨點，咱們並不須要取出頁面上的錨點。因此咱們用"a[href]"，即包含href屬性的a標籤：

而後咱們分析這些連接，將其目標URL取出來（即href屬性），因爲href多是一個相對連接，因此咱們用頁面的地址 "http://www.sina.com.cn/" 做爲基地址，從新計算出絕對的URL，而後我用LINQ表達式來對全部URL完成這樣的操做，再放在一個匿名對象中：

能夠看得出來，這些工做在服務器端完成的時候，是多麼的簡潔流暢，一鼓作氣。若是在客戶端來完成這種事情，沒有強大的.NET Framework做爲後盾，一個簡單的URL計算就能夠難倒無數英雄好漢。

 

而後再爲匿名對象添加一些其餘有趣的屬性，對連接排序，最後綁定到DataGrid上，最終的代碼像這樣：

因爲DataGrid有自動生成列的特性，因此咱們並不須要作些什麼，它會自動的弄一個表格來展示這些數據，效果像是這樣：

 

把抓取的網頁換成博客園首頁：

 

寫在最後

Jumony的確能夠用來幹各類各樣的壞事，譬如說抓取頁面，分析數據，或是新聞小偷什麼的。從這一點來講，你能夠說Jumony是邪惡的，但軟件原本就是邪惡的，Jumony將一些很複雜的事情，提供了簡單的解決方案，也許，這下降了幹壞事的成本，但更多的時候，Jumony帶來了生產力的飛躍。藉助Jumony，咱們能作的好玩的事情，要比這些邪惡的事情多多了不是麼？

謝謝你們。