私は数千 (ASP.net - 乱雑な html) html で生成された請求書を解析してデータベースに保存しようとしています。
基本的に次のように:
foreach(var htmlDoc in HtmlFolder)
{
foreach(var inputBox in htmlDoc)
{
//Make Collection of ID and Values Insert to DB
}
}
私が読んだ他のすべての質問から、このタイプの問題に最適なツールはHtmlAgilityPackですが、私の人生では、ドキュメントの .chm ファイルを機能させることができません。Agility Pack の有無にかかわらず、これをどのように達成できるかについてのアイデアはありますか?
前もって感謝します
HtmlAgilityPack の新しい代替手段はCsQueryです。相対的なパフォーマンスのメリットについては、この後の質問を参照してください。ただし、CSS セレクターの使用に勝るものはありません。
var doc = CQ.CreateDocumentFromFile(htmldoc); //load, parse the file
var fields = doc["input"]; //get input fields with CSS
var pairs = fields.Select(node => new Tuple<string, string>(node.Id, node.Value()))
//get values
CHM を機能させるには、おそらく Windows エクスプローラーでプロパティを表示し、[コンテンツのブロックを解除する] チェックボックスをオフにする必要があります。
HTML Agility Pack は、Linq-to-XML または XPath の使い方を知っていれば非常に簡単です。
知っておくべき基本事項:
//import the HtmlAgilityPack
using HtmlAgilityPack;
HtmlDocument doc = new HtmlDocument();
// Load your data
// -----------------------------
// Load doc from file:
doc.Load(pathToFile);
// OR
// Load doc from string:
doc.LoadHtml(contentsOfFile);
// -----------------------------
// Find what you're after
// -----------------------------
// Finding things using Linq
var nodes = doc.DocumentNode.DescendantsAndSelf("input")
.Where(node => !string.IsNullOrWhitespace(node.Id)
&& node.Attributes["value"] != null
&& !string.IsNullOrWhitespace(node.Attributes["value"].Value));
// OR
// Finding things using XPath
var nodes = doc.DocumentNode
.SelectNodes("//input[not(@id='') and not(@value='')]");
// -----------------------------
// looping through the nodes:
// the XPath interfaces can return null when no nodes are found
if (nodes != null)
{
foreach (var node in nodes)
{
var id = node.Id;
var value = node.Attributes["value"].Value;
}
}
HtmlAgility Packを追加する最も簡単な方法は、NuGet を使用することです。
PM> インストール パッケージ HtmlAgilityPack
ここからHtmlAgilityPackドキュメントの CHM ファイルをダウンロードできます。
chm ファイルの内容が表示されない場合はAlways ask before opening this file、スクリーン ショットに示すようにチェック ボックスをオフにします。
注: 上記のダイアログは、署名されていないファイルに対して表示されます
