首页 > 代码库 > HtmlDocument

HtmlDocument

  HtmlDocument类对应着一个HTML文档代码。它提供了创建文档,装载文档,修改文档等等一系列功能,来看看它提供的功能。

一、属性

int CheckSum { get; }           如果 OptionComputeChecksum 设置为 true 之前解析,0 否则获取文档 CRC32 校验和。
Encoding DeclaredEncoding { get; }    获取文档的声明的编码。声明确定编码使用 meta http-equiv ="内容类型"内容 ="文本/html ; charset = XXXXX"html 节点。
HtmlNode DocumentNode { get; }     获取文档的根节点。
Encoding Encoding { get; }        获取文档的输出编码。
IEnumerable<HtmlParseError> ParseErrors { get; }   获取文档在解析过程中,发现的解析错误集合
string Remainder { get; }         获取剩余的文本。如果 OptionStopperNodeName 为空,此属性将始终为空。
int RemainderOffset { get; }        获取原始 Html 文本中其余部分的偏移量。如果 OptionStopperNodeName 为 null,这将返回原始 Html 文本的长度。
Encoding StreamEncoding { get; }     获取文档的流的编码。

二、方法

HtmlAttribute CreateAttribute(string name);           创建一个属性,指定名称
HtmlAttribute CreateAttribute(string name, string value);     创建一个属性,指定名称和值
HtmlCommentNode CreateComment();               创建一个空的注释节点
HtmlCommentNode CreateComment(string comment);       使用指定的名称创建一个注释节点
HtmlNode CreateElement(string name);              使用指定的名称创建一个 HTML 元素节点。
XPathNavigator CreateNavigator();                 创建一个XPathNavigator 对象
HtmlTextNode CreateTextNode();                 创建一个文本节点
HtmlTextNode CreateTextNode(string text);           创建一个文本节点,并用参数的值赋值
Encoding DetectEncoding(Stream stream);             检测到的 HTML 流的编码。
Encoding DetectEncoding(string path);               检测编码的 HTML 文本。
Encoding DetectEncoding(TextReader reader);           检测到的关于 TextReader 提供 HTML 文本的编码。
void DetectEncodingAndLoad(string path);             检测到第一,从一个文件的 HTML 文档的编码,然后加载该文件。 
void DetectEncodingAndLoad(string path, bool detectEncoding); 检测到第一,从一个文件的 HTML 文档的编码,然后加载该文件。 
Encoding DetectEncodingHtml(string html);            检测编码的 HTML 文本。
HtmlNode GetElementbyId(string id);               根据Id查找一个节点
static string GetXmlName(string name);             获取一个有效的 XML 名称。
static string HtmlEncode(string html);              静态方法,对一个字符串进行HTML编码
static bool IsWhiteSpace(int c);                  确定指定的字符是否是一个空白字符。
void Load(Stream stream);                    从流中加载一个文档
void Load(string path);                      从路径中加载一个文档
void Load(TextReader reader);
void Load(Stream stream, bool detectEncodingFromByteOrderMarks);
void Load(Stream stream, Encoding encoding);
void Load(string path, bool detectEncodingFromByteOrderMarks);
void Load(string path, Encoding encoding);
void Load(Stream stream, Encoding encoding, bool detectEncodingFromByteOrderMarks);
void Load(string path, Encoding encoding, bool detectEncodingFromByteOrderMarks);
void Load(Stream stream, Encoding encoding, bool detectEncodingFromByteOrderMarks, int buffersize);
void Load(string path, Encoding encoding, bool detectEncodingFromByteOrderMarks, int buffersize);
void LoadHtml(string html);                    从字符串中加载一个文档
void Save(Stream outStream);                   将当前HTML文档保存入流
void Save(StreamWriter writer);
void Save(string filename);                     将HTML文档保存到指定的路径
void Save(TextWriter writer);
void Save(XmlWriter writer);
void Save(Stream outStream, Encoding encoding);
void Save(string filename, Encoding encoding);

属性代码示例:

        static void Main(string[] args)        {            WebClient wc = new WebClient();            wc.BaseAddress = "http://www.juedui100.com/";            wc.Encoding = Encoding.UTF8;            HtmlDocument doc = new HtmlDocument();            string html = wc.DownloadString("user/6971070.html");            doc.LoadHtml(html);            int i = doc.CheckSum;   //如果 OptionComputeChecksum 设置为 true 之前解析,0 否则获取文档 CRC32 校验和。            Console.WriteLine(i);   //输出 0              Encoding enc = doc.DeclaredEncoding;    //获取文档的声明的编码。            Console.WriteLine(enc.BodyName);        //输出 utf-8            HtmlNode node = doc.DocumentNode;   //获取文档的根节点            Console.WriteLine(node.Name);       //输出 #document            Encoding enc1 = doc.Encoding;       //获取文档的输出编码            Console.WriteLine(enc1.BodyName);   //输出utf-8            IEnumerable<HtmlParseError> eList = doc.ParseErrors;    //文档在解析过程中发现的解析错误集合            string str = doc.Remainder;         //获取剩余的文本。            Console.WriteLine(str);             //什么都没输出            int offset = doc.RemainderOffset;   //获取原始 Html 文本中其余部分的偏移量。            Console.WriteLine(offset);          //输出 25762            Encoding enc2 = doc.StreamEncoding;            Console.WriteLine(enc2.BodyName);            Console.ReadKey();        }

 方法代码示例:

用于测试的HTML代码:

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml"><head>    <title></title></head><body></body></html>

主程序代码:

        static void Main(string[] args)        {            HtmlDocument doc = new HtmlDocument();            doc.Load(@"D:\1234.html");     //此方法有11个重载,支持各种加载Html文档            //Console.WriteLine(doc.DocumentNode.InnerHtml);    已经加载成功,输出D:123.html的页面代码            HtmlNode node1 = doc.CreateElement("div");      //本文档创建一个节点            node1.InnerHtml = "我是一个div";            doc.DocumentNode.SelectSingleNode("//body").AppendChild(node1); //将节点追加到body里                        HtmlAttribute attr = doc.CreateAttribute("class", "class1");            doc.DocumentNode.SelectSingleNode("/html/body/div[1]").Attributes.Add(attr);    //此方法也可以用两个参数添加。            //以上代码执行之后 body里的内容变为 <body><div class="class1">我是一个div</div></body>    看到属性又被添加进去了            HtmlCommentNode cNode = doc.CreateComment();            cNode.Comment = "<!--这是一段注释-->";            //应该不是这样写的吧?可能是我写错了,先跳过这一段            doc.DocumentNode.SelectSingleNode("/html/body/div[1]").AppendChild(cNode);      //虽然达到了目的,但是应该不是这样写的吧            //执行之后            //<body>            //    <div class="class1">我是一个div<!--这是一段注释--></div>    留意到注释节点已添加进去了            //</body>            HtmlTextNode tNode = doc.CreateTextNode("我是一个文本节点");            doc.DocumentNode.SelectSingleNode("/html/body/div[1]").AppendChild(tNode);            //执行之后            //<body>            //    <div class="class1">我是一个div<!--这是一段注释-->我是一个文本节点</div>    //留意到文本节点已添加进去了            //</body>             Encoding enc = doc.DetectEncoding(@"D:\1234.html");    //3个重载,应该是从流中,TextWriter中和 路径中检测编码            //Console.WriteLine(enc.BodyName);              //获取不到对象,不知道哪里错了            HtmlNode node = doc.CreateElement("p");            node.InnerHtml = "我是一个p";            HtmlAttribute attr2 = doc.CreateAttribute("id","id1");            node.Attributes.Add(attr2);            doc.DocumentNode.AppendChild(node);            HtmlNode node2 = doc.GetElementbyId("id1"); //根据Id查找节点            Console.WriteLine(node2.InnerText);         //输出 我是一个p            string strHtml = "<b>我是一个加粗节点</b>";            string s = HtmlDocument.HtmlEncode(strHtml);            Console.WriteLine(s);                   //输出 &lt;b&gt;我是一个加粗节点&lt;/b&gt;    这是经过HTML编码的字符串            string str = HtmlDocument.GetXmlName("<sss");   //根据字符串获取一个有效的XML名称              Console.WriteLine(str);     //输出 _3c_sss                Console.WriteLine(HtmlDocument.IsWhiteSpace(10));   //True            Console.WriteLine(HtmlDocument.IsWhiteSpace(101));   //False            doc.Save(@"D:\123.html");       //Save方法有多个重载,可以通过流,路径,并且还能指定编码等等。            HtmlDocument doc1 = new HtmlDocument();            string html = File.ReadAllText(@"D:\123.html");            doc1.LoadHtml(html);        //此方法表示从一个字符串中载入HtmlDocument            Console.ReadKey();        }