使用 HtmlAgilityPack.NETCore 获取网页

Posted

技术标签:

【中文标题】使用 HtmlAgilityPack.NETCore 获取网页【英文标题】:Get web page using HtmlAgilityPack.NETCore 【发布时间】:2017-04-12 08:56:47 【问题描述】:

我使用htmlAgilityPack 处理html 页面。 以前我是这样做的:

HtmlWeb web = new HtmlWeb();
HtmlDocument document = web.Load(url);
var nodes = document.DocumentNode.SelectNodes("necessary node");

但现在我需要使用没有 HtmlWeb 的 HtmlAgilityPack.NETCore。 我应该用什么来代替HtmlWeb 来获得相同的结果?

【问题讨论】:

【参考方案1】:

使用HttpClient 作为通过http 与远程资源交互的新方式。

至于您的解决方案,您可能需要在此处使用async 方法来非阻塞您的线程,而不是使用.Result。另请注意,HttpClient was meant to be used from different threads 从 .Net 4.5 开始,因此您不应每次都重新创建它:

// instance or static variable
HttpClient client = new HttpClient();

// get answer in non-blocking way
using (var response = await client.GetAsync(url))

    using (var content = response.Content)
    
        // read answer in non-blocking way
        var result = await content.ReadAsStringAsync();
        var document = new HtmlDocument();
        document.LoadHtml(result);
        var nodes = document.DocumentNode.SelectNodes("Your nodes");
        //Some work with page....
    

关于 async/await 的精彩文章:Async/Await - Best Practices in Asynchronous Programming @StephenCleary | 2013 年 3 月

【讨论】:

【参考方案2】:

我在使用 netcoreapp1.0 的 Visual Studio 代码中遇到了同样的问题。 最终改用 HtmlAgilityPack 版本 1.5.0-beta5。

记得添加:

using HtmlAgilityPack;
using System.Net.Http;
using System.IO;

我是这样做的:

HttpClient hc = new HttpClient(); 
HttpResponseMessage result = await hc.GetAsync($"http://somewebsite.com"); 
Stream stream = await result.Content.ReadAsStreamAsync(); 
HtmlDocument doc = new HtmlDocument(); 
doc.Load(stream); 
HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//div[@class='whateverclassyouarelookingfor']");

【讨论】:

【参考方案3】:

我写了这个,它正在工作。这是解决我问题的好方法吗?

using (HttpClient client = new HttpClient())

    using (HttpResponseMessage response = client.GetAsync(url).Result)
    
        using (HttpContent content = response.Content)
        
            string result = content.ReadAsStringAsync().Result;
            HtmlDocument document = new HtmlDocument();
            document.LoadHtml(result);
            var nodes = document.DocumentNode.SelectNodes("Your nodes");
            //Some work with page....
        
    

【讨论】:

这对我来说很有趣。为什么我们不能使用 await :client.GetAsync(url)【参考方案4】:

可以使用HttpClient获取页面内容。

【讨论】:

我正在寻找它,但找不到。你能告诉我如何使用它吗? 你的意思是这样的吗? WebClient client = new WebClient(); client.DownloadFile(url, path); 我想在不保存的情况下使用文件。

以上是关于使用 HtmlAgilityPack.NETCore 获取网页的主要内容,如果未能解决你的问题,请参考以下文章

在使用加载数据流步骤的猪中,使用(使用 PigStorage)和不使用它有啥区别?

今目标使用教程 今目标任务使用篇

Qt静态编译时使用OpenSSL有三种方式(不使用,动态使用,静态使用,默认是动态使用)

MySQL db 在按日期排序时使用“使用位置;使用临时;使用文件排序”

使用“使用严格”作为“使用强”的备份

Kettle java脚本组件的使用说明(简单使用升级使用)