使用HtmlAgilityPack解析HTML页面

Question

我想使用C#获取此示例HTML脚本中的文本框值（即：john）：

<TD class=texte width="50%">
<DIV align=right>Name :<B> </B></DIV></TD>
<TD width="50%"><INPUT class=box value=John maxLength=16 size=16 name=user_name> </TD>
<TR vAlign=center>

- Hassen

Answer 1

使用敏捷包（Agility Pack）有多种选择元素的方法。

假设我们已经按以下方式定义了我们的HtmlDocument：

string html = @"<TD class=texte width=""50%"">
<DIV align=right>Name :<B> </B></DIV></TD>
<TD width=""50%"">
    <INPUT class=box value=John maxLength=16 size=16 name=user_name>
</TD>
<TR vAlign=center>";

HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html);

1. 简单的LINQ
我们可以使用Descendants()方法，传递要查找的元素的名称：

var inputs = htmlDoc.DocumentNode.Descendants("input");

foreach (var input in inputs)
{
    Console.WriteLine(input.Attributes["value"].Value);
    // John
}

2. 更高级的 LINQ
我们可以使用更复杂的 LINQ 来缩小范围：

var inputs = from input in htmlDoc.DocumentNode.Descendants("input")
             where input.Attributes["class"].Value == "box"
             select input;

foreach (var input in inputs)
{
    Console.WriteLine(input.Attributes["value"].Value);
    // John
}

3. XPath
或者我们可以使用XPath。

string name = htmlDoc.DocumentNode
    .SelectSingleNode("//td/input")
    .Attributes["value"].Value;

Console.WriteLine(name);
//John

- gpmcadam

---

LINQ：在属性不存在的情况下，我使用了以下 LINQ 语句：where input.Attributes["class"] != null && input.Attributes["class"].Value == "box"。 - Valamas

Answer 2

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
XPathNavigator docNav = doc.CreateNavigator();

XPathNavigator node = docNav.SelectSingleNode("//td/input/@value");

if (node != null)
{
    Console.WriteLine("result: " + node.Value);
}

我写这篇文章的速度很快，所以你需要使用更多数据进行测试。

注意：XPath字符串似乎必须是小写字母。

编辑：显然，beta版现在直接支持Linq to Objects，因此可能不需要转换器。

- TrueWill