Cách sử dụng gói Agility HTML

Làm cách nào để sử dụng Gói Agility HTML ?

Tài liệu XHTML của tôi không hoàn toàn hợp lệ. Đó là lý do tại sao tôi muốn sử dụng nó. Làm thế nào để tôi sử dụng nó trong dự án của tôi? Dự án của tôi là trong C #.

Đầu tiên, cài đặt gói nuget HTMLAgilityPack vào dự án của bạn.

Sau đó, như một ví dụ:

HtmlAgilityPack.HtmlDocument htmlDoc = new HtmlAgilityPack.HtmlDocument();

// There are various options, set as needed
htmlDoc.OptionFixNestedTags=true;

// filePath is a path to a file containing the html
htmlDoc.Load(filePath);

// Use:  htmlDoc.LoadHtml(xmlString);  to load from a string (was htmlDoc.LoadXML(xmlString)

// ParseErrors is an ArrayList containing any errors from the Load statement
if (htmlDoc.ParseErrors != null && htmlDoc.ParseErrors.Count() > 0)
{
    // Handle any parse errors as required

}
else
{

    if (htmlDoc.DocumentNode != null)
    {
        HtmlAgilityPack.HtmlNode bodyNode = htmlDoc.DocumentNode.SelectSingleNode("//body");

        if (bodyNode != null)
        {
            // Do something with bodyNode
        }
    }
}

(NB: Mã này là một ví dụ duy nhất và không nhất thiết là cách tiếp cận tốt nhất / duy nhất. Đừng sử dụng nó một cách mù quáng trong ứng dụng của riêng bạn.)

Các HtmlDocument.Load()phương pháp cũng chấp nhận một dòng suối mà là rất hữu ích trong việc tích hợp với các lớp học định hướng dòng khác trong khuôn khổ NET. Trong khi HtmlEntity.DeEntitize()là một phương pháp hữu ích khác để xử lý các thực thể html chính xác. (cảm ơn Matthew)

HtmlDocumentvà HtmlNode là các lớp bạn sẽ sử dụng nhiều nhất. Tương tự như trình phân tích cú pháp XML, nó cung cấp các phương thức selectSingleNode và selectNodes chấp nhận các biểu thức XPath.

Hãy chú ý đến các HtmlDocument.Option?????? thuộc tính boolean. Những điều khiển này kiểm soát cách thức Loadvà LoadXMLphương thức sẽ xử lý HTML / XHTML của bạn.

Ngoài ra còn có một tệp trợ giúp được biên dịch có tên là HtmlAgilityPack.chm có một tài liệu tham khảo đầy đủ cho từng đối tượng. Điều này là bình thường trong thư mục cơ sở của giải pháp.

Tôi không biết điều này có giúp ích gì cho bạn không, nhưng tôi đã viết một vài bài viết giới thiệu những điều cơ bản.

• Dòng bài viết HtmlAgilityPack
• Giới thiệu về Thư viện HtmlAgilityPack
• Dễ dàng trích xuất các liên kết từ một đoạn html với HtmlAgilityPack

Bài viết tiếp theo đã hoàn thành 95%, tôi chỉ cần viết lên những lời giải thích về một vài phần cuối của mã tôi đã viết. Nếu bạn quan tâm thì tôi sẽ cố gắng nhớ đăng ở đây khi tôi xuất bản nó.

HtmlAgilityPack sử dụng cú pháp XPath và mặc dù nhiều ý kiến ​​cho rằng nó được ghi chép kém, tôi không gặp khó khăn gì khi sử dụng nó với sự trợ giúp từ tài liệu XPath này: https://www.w3schools.com/xml/xpath_syntax.asp

Để phân tích

<h2>
  <a href="">Jack</a>
</h2>
<ul>
  <li class="tel">
    <a href="">81 75 53 60</a>
  </li>
</ul>
<h2>
  <a href="">Roy</a>
</h2>
<ul>
  <li class="tel">
    <a href="">44 52 16 87</a>
  </li>
</ul>

Tôi đã làm điều này:

string url = "http://website.com";
var Webget = new HtmlWeb();
var doc = Webget.Load(url);
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//h2//a"))
{
  names.Add(node.ChildNodes[0].InnerHtml);
}
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//li[@class='tel']//a"))
{
  phones.Add(node.ChildNodes[0].InnerHtml);
}

Mã chính liên quan đến HTMLAgilityPack như sau

using System;
using System.Net;
using System.Web;
using System.Web.Services;
using System.Web.Script.Services;
using System.Text.RegularExpressions;
using HtmlAgilityPack;

namespace GetMetaData
{
    /// <summary>
    /// Summary description for MetaDataWebService
    /// </summary>
    [WebService(Namespace = "http://tempuri.org/")]
    [WebServiceBinding(ConformsTo = WsiProfiles.BasicProfile1_1)]
    [System.ComponentModel.ToolboxItem(false)]
    // To allow this Web Service to be called from script, using ASP.NET AJAX, uncomment the following line.
    [System.Web.Script.Services.ScriptService]
    public class MetaDataWebService: System.Web.Services.WebService
    {
        [WebMethod]
        [ScriptMethod(UseHttpGet = false)]
        public MetaData GetMetaData(string url)
        {
            MetaData objMetaData = new MetaData();

            //Get Title
            WebClient client = new WebClient();
            string sourceUrl = client.DownloadString(url);

            objMetaData.PageTitle = Regex.Match(sourceUrl, @
            "\<title\b[^>]*\>\s*(?<Title>[\s\S]*?)\</title\>", RegexOptions.IgnoreCase).Groups["Title"].Value;

            //Method to get Meta Tags
            objMetaData.MetaDescription = GetMetaDescription(url);
            return objMetaData;
        }

        private string GetMetaDescription(string url)
        {
            string description = string.Empty;

            //Get Meta Tags
            var webGet = new HtmlWeb();
            var document = webGet.Load(url);
            var metaTags = document.DocumentNode.SelectNodes("//meta");

            if (metaTags != null)
            {
                foreach(var tag in metaTags)
                {
                    if (tag.Attributes["name"] != null && tag.Attributes["content"] != null && tag.Attributes["name"].Value.ToLower() == "description")
                    {
                        description = tag.Attributes["content"].Value;
                    }
                }
            } 
            else
            {
                description = string.Empty;
            }
            return description;
        }
    }
}

    public string HtmlAgi(string url, string key)
    {

        var Webget = new HtmlWeb();
        var doc = Webget.Load(url);
        HtmlNode ourNode = doc.DocumentNode.SelectSingleNode(string.Format("//meta[@name='{0}']", key));

        if (ourNode != null)
        {


                return ourNode.GetAttributeValue("content", "");

        }
        else
        {
            return "not fount";
        }

    }

Bắt đầu - Gói Agility HTML

// From File
var doc = new HtmlDocument();
doc.Load(filePath);

// From String
var doc = new HtmlDocument();
doc.LoadHtml(html);

// From Web
var url = "http://html-agility-pack.net/";
var web = new HtmlWeb();
var doc = web.Load(url);

thử cái này

string htmlBody = ParseHmlBody(dtViewDetails.Rows[0]["Body"].ToString());

private string ParseHmlBody(string html)
        {
            string body = string.Empty;
            try
            {
                var htmlDoc = new HtmlDocument();
                htmlDoc.LoadHtml(html);
                var htmlBody = htmlDoc.DocumentNode.SelectSingleNode("//body");
                body = htmlBody.OuterHtml;
            }
            catch (Exception ex)
            {

                dalPendingOrders.LogMessage("Error in ParseHmlBody" + ex.Message);
            }
            return body;
        }