HtmlAgilityPack HTML操作类库的使用

Posted yuzhihui

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了HtmlAgilityPack HTML操作类库的使用相关的知识,希望对你有一定的参考价值。

1、读取网络中html网页内容,获取网页中元素body内的html,处理所有img元素的src属性后以字符串返回

                    if (l_sWenBenHtmlFtpPath.Substring(l_sWenBenHtmlFtpPath.LastIndexOf(".") + 1) == "html")  
                    {
                        HtmlWeb htmlWeb = new HtmlWeb();
                        HtmlDocument htmlDoc = htmlWeb.Load(l_sWenBenHtmlFtpPath);
                        HtmlNode htmlNode = htmlDoc.DocumentNode;                                                
                        HtmlNodeCollection nodes = htmlNode.SelectNodes("//body");  //使用xpath语法进行查询
                        if (nodes != null)
                        {
                            foreach (HtmlNode bodyTag in nodes)
                            {                                
                                HtmlNodeCollection nodes2 = htmlNode.SelectNodes("//img");  //使用xpath语法进行查询                                
                                if (nodes2 != null)
                                {
                                    foreach (HtmlNode imgTag in nodes2)
                                    {
                                        string imgHttpPath = imgTag.Attributes["src"].Value;
                                        imgTag.Attributes["src"].Value = l_sWenBenHtmlFtpPath.Substring(0, l_sWenBenHtmlFtpPath.LastIndexOf("/") + 1) + imgHttpPath;
                                    }
                                }
                                l_sWenBenHtml = bodyTag.InnerHtml;
                            }
                        }
                    }

2、通过HtmlAgilityPack Html操作类库将html格式的字符串加载为html文档对象,再对html dom进行操作

                                //1.解码前台提交的html字串
                                string sDecodeString = HttpUtility.HtmlDecode(HttpUtility.UrlDecode(sEncodeString));
                                //2.拼接成完整的html字串
                                sDecodeString = @"<!DOCTYPE html><html><head><meta http-equiv=""content-type"" content=""text/html;charset=UTF-8""/>"
                                    + @"</head><body><div>" 
                  + sDecodeString + @"</div></body></html>"; //3.处理html的img标签的src属性-C#的HTML DOM操作 HtmlDocument doc = new HtmlDocument(); doc.LoadHtml(sDecodeString.Replace("\n", " ")); HtmlNode node = doc.DocumentNode; HtmlNodeCollection nodes = node.SelectNodes("//img"); //使用xpath语法进行查询 if (nodes != null) //没有img节点时出错 { //处理html字符串中img标签的src属性 foreach (HtmlNode imgTag in nodes) { string imgHttpPath = imgTag.Attributes["src"].Value; imgHttpPath = imgHttpPath.Substring(imgHttpPath.LastIndexOf("/") + 1); imgTag.Attributes["src"].Value = imgHttpPath; } } //4.获取处理后的html字符串 sHtmlString = node.OuterHtml; //处理img中src属性后的html字符串
                //5.将字符串存入html格式的文件中
                //do something

 

持续更新中,敬请期待...

以上是关于HtmlAgilityPack HTML操作类库的使用的主要内容,如果未能解决你的问题,请参考以下文章

HTML 解析类库HtmlAgilityPack

我最优惠网系列——HTML 解析类库HtmlAgilityPack

HtmlAgilityPack 总结

求C# HtmlAgilityPack用法的完整例子。

Newtonsoft Json操作类库的使用

Python操作XML和HTML,LXML类库的使用