首页 > 嗟来之食 > .NET Core HtmlAgilityPack HTML解析利器 – LineZero –
2016
10-19

.NET Core HtmlAgilityPack HTML解析利器 – LineZero –

最近学习.NET Core ,想把自己之前的一个项目升级到 .NET Core。
发现HtmlAgilityPack 没法进行引用,遂自己做了些修改,可以运行在 .NET Core 中。现在分享出来,也是为 .NET Core 做一些贡献。
.NET Core版 HtmlAgilityPack HTML解析利器,目前是 HtmlAgilityPack Core RC2

HtmlAgilityPack 介绍
HtmlAgilityPack是一个基于.Net的、第三方免费开源的微型类库,主要用于在服务器端解析html文档。

本源码fork 自官网源码,我只是对其做了一些修改及封装。
官网源码: http://htmlagilitypack.codeplex.com/
GitHub: https://github.com/linezero/HtmlAgilityPack

HtmlAgilityPack中定位节点基本上都用Xpath表达式,Xpath表达式的参考文档可见:http://www.w3school.com.cn/xpath/xpath_syntax.asp 。
下面是几个简单使用说明:
1、获取网页title:doc.DocumentNode.SelectSingleNode("//title").InnerText; 解释:XPath中“//title”表示所有title节点。SelectSingleNode用于获取满足条件的唯一的节点。
2、获取所有的超链接:doc.DocumentNode.Descendants("a")
3、获取name为kw的input,也就是相当于getElementsByName(): var kwBox = doc.DocumentNode.SelectSingleNode("//input[@name='kw']");

.NET Core 使用HtmlAgilityPack
新建一个控制台应用程序
然后添加 HtmlAgilityPack 引用,这里直接添加项目引用。

下面来讲解一下简单使用。以博客园新闻区为示例,进行解析。

public static void Main(string[] args)
{
Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
HtmlWeb web = new HtmlWeb();
var doc = web.LoadFromWebAsync("http://news.cnblogs.com/").Result;
var nodes = doc.DocumentNode.SelectNodes("//div[@id='news_list']/div/div[2]/h2/a");
foreach (var item in nodes)
{
Console.WriteLine($"标题:{item.InnerText} 地址:{item.Attributes["href"].Value}" );
}
Console.ReadKey();
}

这样我们就成功获取到博客园新闻区信息。更多更强大的功能大家可以自己去发掘。

HtmlAgilityPack .NET Core RC2
GitHub: https://github.com/linezero/HtmlAgilityPack

如果你觉得本文对你有帮助,请点击“推荐”,谢谢。

最后编辑:
作者:
这个作者貌似有点懒,什么都没有留下。

留下一个回复