使用 HtmlAgilityPack 解析 HTML 页面
Posted
技术标签:
【中文标题】使用 HtmlAgilityPack 解析 HTML 页面【英文标题】:Parsing HTML page with HtmlAgilityPack 【发布时间】:2010-12-03 12:14:34 【问题描述】:使用 C# 我想知道如何从这个示例 html 脚本中获取文本框值(即:john):
<TD class=texte >
<DIV align=right>Name :<B> </B></DIV></TD>
<TD ><INPUT class=box value=John maxLength=16 size=16 name=user_name> </TD>
<TR vAlign=center>
【问题讨论】:
【参考方案1】: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);
我写得很快,所以你需要用更多的数据做一些测试。
注意:XPath 字符串显然必须是小写的。
编辑:显然测试版现在直接支持 Linq to Objects,因此可能不需要转换器。
【讨论】:
【参考方案2】:有多种方法可以使用敏捷包选择元素。
假设我们已将HtmlDocument
定义如下:
string html = @"<TD class=texte 50%"">
<DIV align=right>Name :<B> </B></DIV></TD>
<TD 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,传递我们要搜索的元素的名称:
var inputs = htmlDoc.DocumentNode.Descendants("input");
foreach (var input in inputs)
Console.WriteLine(input.Attributes["value"].Value);
// John
2。更高级的 LINQ 我们可以通过使用更高级的 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
【讨论】:
LINQ:在属性不存在的情况下,我将以下 linq 用于where input.Attributes["class"] != null && input.Attributes["class"].Value == "box"
以上是关于使用 HtmlAgilityPack 解析 HTML 页面的主要内容,如果未能解决你的问题,请参考以下文章
如何使用 htmlagilitypack 解析这个 HTML 文本?