首页 > 代码库 > [c#] Html Agility Pack 解析HTML

[c#] Html Agility Pack 解析HTML

摘要

在开发过程中,很有可能会遇到这样的情况,服务端返回的是html的内容,但需要在客户端显示纯文本内容,这时候就需要解析这些html,拿到里面的纯文本。达到这样的目的可以有很多途径,比如自己写正则表达式,但对于没有什么规则的内容,就有点力不从心了。Html Agility Pack开源组件,可以通过xPath的方式快速的解析html内容。

一个例子

组件网址:http://htmlagilitypack.codeplex.com/ ,你可以通过Nuget进行安装。

技术分享

比如我们这里解析博客园首页文章列表,查看博客园首页列表html,如图所示:

技术分享

技术分享

抓取所有文章的名称

using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Threading.Tasks;using HtmlAgilityPack;namespace HtmlAgilityPackDemo{    class Program    {        static void Main(string[] args)        {            //初始化网络请求客户端            HtmlWeb webClient = new HtmlWeb();            //初始化文档            HtmlDocument doc = webClient.Load("http://www.cnblogs.com/");            //查找节点            HtmlNodeCollection titleNodes = doc.DocumentNode.SelectNodes("//a[@class=‘titlelnk‘]");            if (titleNodes != null)            {                foreach (var item in titleNodes)                {                    Console.WriteLine(item.InnerText);                }            }            Console.Read();        }    }}

输出

技术分享

记得之前自己写过一个小工具,当时还是自己写的正则来匹配的,和这个组件相比确实很麻烦。

在上面的代码中,有[@class=‘xxx‘]的设置,它是根据html标签的属性查找node,当然你也可以进行其它的设置,如根据id查找,你可以这样写h3[@id=‘xxxx‘]。

获取节点的内容,可以通过下面的方式获取

node.InnerText  node.InnerHtml    node.OuterHtml    

[c#] Html Agility Pack 解析HTML