我该如何使用 HTML Agility Pack？
我的XHTML文档不完全有效，所以我想使用它。我该如何在我的C#项目中使用它？
7个回答
366
首先，将HTMLAgilityPack nuget包安装到您的项目中。
然后，作为示例：
HtmlAgilityPack.HtmlDocument htmlDoc = new HtmlAgilityPack.HtmlDocument();
// There are various options, set as needed
htmlDoc.OptionFixNestedTags=true;
// filePath is a path to a file containing the html
htmlDoc.Load(filePath);
// Use: htmlDoc.LoadHtml(xmlString); to load from a string (was htmlDoc.LoadXML(xmlString)
// ParseErrors is an ArrayList containing any errors from the Load statement
if (htmlDoc.ParseErrors != null && htmlDoc.ParseErrors.Count() > 0)
{
// Handle any parse errors as required
}
else
{
if (htmlDoc.DocumentNode != null)
{
HtmlAgilityPack.HtmlNode bodyNode = htmlDoc.DocumentNode.SelectSingleNode("//body");
if (bodyNode != null)
{
// Do something with bodyNode
}
}
}
(NB: 此代码仅为示例，不一定是最佳/唯一的方法。请勿盲目在您自己的应用程序中使用它。)
HtmlDocument.Load() 方法还接受流参数，这在与.NET框架中的其他面向流类集成时非常有用。而 HtmlEntity.DeEntitize() 是处理HTML实体的另一个有用方法。(感谢Matthew)
HtmlDocument 和 HtmlNode 是你将会经常使用的类。类似于XML解析器，它提供了selectSingleNode和selectNodes方法，这些方法接受XPath表达式。
注意 HtmlDocument.Option?????? 布尔属性。它们控制Load和LoadXML方法如何处理您的HTML/XHTML。
还有一个名为HtmlAgilityPack.chm的编译帮助文件，其中包含每个对象的完整参考文档。通常位于解决方案的基本文件夹中。
- Ash
7
11请注意，Load方法接受一个流(Stream)参数，在许多情况下这是很方便的。我用它来处理HTTP流(WebResponse.GetResponseStream)。另一个需要注意的好方法是HtmlEntity.DeEntitize(HTML Agility Pack的一部分)，在某些情况下需要手动处理实体。 - Matthew Flaschen
1请注意：在最新的 Html Agility Pack beta 版本（1.4.0 Beta 2，发布于2009年10月3日），帮助文件已经移出到单独的下载中，因为它依赖于 Sandcastle、DocProject 和 Visual Studio 2008 SDK。 - rtpHarry
3不，SelectSingleNode和SelectNodes仍然存在。有趣的是应该使用htmlDoc.ParseErrors.Count()而不是.Count。 - Mike Blandford
1@MikeBlandford // 部分是的。在HtmlAgailityPack的PCL版本中，它似乎已被删除（或从一开始就不存在）。http://www.nuget.org/packages/HtmlAgilityPack-PCL/ - Joon Hong
htmlDoc.ParseErrors.Count() > 0 替换为 htmlDoc.ParseErrors.Any() - mathewsun
显示剩余2条评论
167
我不知道这对你是否有所帮助，但我写了几篇介绍基础的文章。
下一篇文章已经完成了95％，我只需要编写最后几部分代码的解释。如果您感兴趣，我会尽量记得在发布时在这里发布。
- rtpHarry
2
17终于在两年后完成了那篇文章 :) [使用HtmlAgilityPack在网站中检测RSS和Atom订阅源的简单方法]（http://runtingsproper.blogspot.co.uk/2012/07/a-straightforward-method-to-detecting.html） - rtpHarry
67
HtmlAgilityPack使用XPath语法，虽然很多人认为它文档不够好，但在这个XPath文档的帮助下，我没有遇到任何问题：https://www.w3schools.com/xml/xpath_syntax.asp
解析：
<h2>
<a href="">Jack</a>
</h2>
<ul>
<li class="tel">
<a href="">81 75 53 60</a>
</li>
</ul>
<h2>
<a href="">Roy</a>
</h2>
<ul>
<li class="tel">
<a href="">44 52 16 87</a>
</li>
</ul>
我做了这件事：
string url = "http://website.com";
var Webget = new HtmlWeb();
var doc = Webget.Load(url);
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//h2//a"))
{
names.Add(node.ChildNodes[0].InnerHtml);
}
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//li[@class='tel']//a"))
{
phones.Add(node.ChildNodes[0].InnerHtml);
}
- Kent Munthe Caspersen
6
完全正确。它完全依赖于
XPath标准。一个人应该先学习这个标准，然后一切都会变得容易。 - FindOut_Quran您提供的链接已不再可用。这可能是新链接：http://www.w3schools.com/xsl/xpath_syntax.asp - Piotrek
同时我在 DocumentNode 对象中找不到 SelectNodes() 函数。它被重命名了吗？ - Piotrek
你使用的是哪个版本，从哪里下载的？根据http://htmlagilitypack.codeplex.com/SourceControl/latest#Release/1_4_0/HtmlAgilityPack/HtmlNode.cs，HtmlNode类应该有一个SelectNodes方法。 - Kent Munthe Caspersen
感谢 @Tyrmos，我已添加了你的链接。 - Kent Munthe Caspersen
6
主要的 HTMLAgilityPack 相关代码如下：
using System;
using System.Net;
using System.Web;
using System.Web.Services;
using System.Web.Script.Services;
using System.Text.RegularExpressions;
using HtmlAgilityPack;
namespace GetMetaData
{
/// <summary>
/// Summary description for MetaDataWebService
/// </summary>
[WebService(Namespace = "http://tempuri.org/")]
[WebServiceBinding(ConformsTo = WsiProfiles.BasicProfile1_1)]
[System.ComponentModel.ToolboxItem(false)]
// To allow this Web Service to be called from script, using ASP.NET AJAX, uncomment the following line.
[System.Web.Script.Services.ScriptService]
public class MetaDataWebService: System.Web.Services.WebService
{
[WebMethod]
[ScriptMethod(UseHttpGet = false)]
public MetaData GetMetaData(string url)
{
MetaData objMetaData = new MetaData();
//Get Title
WebClient client = new WebClient();
string sourceUrl = client.DownloadString(url);
objMetaData.PageTitle = Regex.Match(sourceUrl, @
"\<title\b[^>]*\>\s*(?<Title>[\s\S]*?)\</title\>", RegexOptions.IgnoreCase).Groups["Title"].Value;
//Method to get Meta Tags
objMetaData.MetaDescription = GetMetaDescription(url);
return objMetaData;
}
private string GetMetaDescription(string url)
{
string description = string.Empty;
//Get Meta Tags
var webGet = new HtmlWeb();
var document = webGet.Load(url);
var metaTags = document.DocumentNode.SelectNodes("//meta");
if (metaTags != null)
{
foreach(var tag in metaTags)
{
if (tag.Attributes["name"] != null && tag.Attributes["content"] != null && tag.Attributes["name"].Value.ToLower() == "description")
{
description = tag.Attributes["content"].Value;
}
}
}
else
{
description = string.Empty;
}
return description;
}
}
}
- captainsac
1
4网站已不再可用。 - Dimitar Tsonev
5
public string HtmlAgi(string url, string key)
{
var Webget = new HtmlWeb();
var doc = Webget.Load(url);
HtmlNode ourNode = doc.DocumentNode.SelectSingleNode(string.Format("//meta[@name='{0}']", key));
if (ourNode != null)
{
return ourNode.GetAttributeValue("content", "");
}
else
{
return "not fount";
}
}
- ibrahim ozboluk
0
入门 - HTML Agility Pack
// 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);
- Meysam
0
试一下这个
string htmlBody = ParseHmlBody(dtViewDetails.Rows[0]["Body"].ToString());
private string ParseHmlBody(string html)
{
string body = string.Empty;
try
{
var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html);
var htmlBody = htmlDoc.DocumentNode.SelectSingleNode("//body");
body = htmlBody.OuterHtml;
}
catch (Exception ex)
{
dalPendingOrders.LogMessage("Error in ParseHmlBody" + ex.Message);
}
return body;
}
- PK-1825
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
var body = CQ.CreateFromFile(filePath)["body"]。 - Benjamin Gruenbaum