使用 HtmlAgilityPack 解析 HTML 页面

Posted 2023-03-05

【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>

【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。

【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"