.NET Core利用Html Agility Pack解析HTML

2017-10-23

.NET Core

> 写.NET Core的同学有福了，解析Html，可以用Html Agility Pack来快速得到需要的内容

# 什么是Html Agility Pack？

Html Agility Pack是一个生成和解析和html文档的工具，使用XPATH，可以方便的获取需要的内容。

代码托管地址：

    https://github.com/zzzprojects/html-agility-pack

官网：

    http://html-agility-pack.net/

# 安装和使用 Html Agility Pack

使用Nuget，安装 HtmlAgilityPack 即可，目前最新版本为：1.6.1

## 加载html

有如下3种方式来加载html：

```c#
// From File
var doc = new HtmlDocument();
doc.Load(filePath);

// From String
var doc = new HtmlDocument();
doc.LoadHtml(html);

// From Web
var url = "http://html-agility-pack.net/";
var web = new HtmlWeb();
var doc = web.Load(url);
```

## 解析html

可以使用xpath或者linq方式来解析html：

```c#
// With XPath	
var value = doc.DocumentNode
.SelectNodes("//td/input")
.First()
.Attributes["value"].Value;

// With LINQ	
var nodes = doc.DocumentNode.Descendants("input")
.Select(y => y.Descendants()
.Where(x => x.Attributes["class"].Value == "box"))
.ToList();
```

关于xpath的语法，可以从下面链接查看更多用法：[XPath 语法](http://www.w3school.com.cn/xpath/xpath_syntax.asp)

### 常用实例：

路径表达式 | 结果
------|---
/bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。
/bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。
/bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。
/bookstore/book[position()<3] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
//title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。
//title[@lang='eng'] | 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
/bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。
/bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。
* | 匹配任何元素节点。
@* | 匹配任何属性节点。
node() | 匹配任何类型的节点。
/bookstore/* | 选取 bookstore 元素的所有子元素。
//* | 选取文档中的所有元素。
//title[@*] | 选取所有带有属性的 title 元素。

本文为博主原创，如需转载，请注明出处：http://www.supperxin.com

返回博客列表