647

HTML Agility Packの使用方法を教えてください。

XHTML ドキュメントが完全に有効ではありません。だからこそ使いたかった。プロジェクトでどのように使用するのですか? 私のプロジェクトは C# です。

4

7 に答える 7

363

まず、HTMLAgilityPack nuget パッケージをプロジェクトにインストールします。

次に、例として：

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
        }
    }
}

(注: このコードは単なる例であり、必ずしも最良/唯一のアプローチではありません。独自のアプリケーションでやみくもに使用しないでください。)

このHtmlDocument.Load()メソッドは、.NET フレームワークの他のストリーム指向クラスとの統合に非常に役立つストリームも受け入れます。WhileHtmlEntity.DeEntitize()は、html エンティティを正しく処理するためのもう 1 つの便利な方法です。（ありがとうマシュー）

HtmlDocumentとHtmlNode は、最もよく使用するクラスです。XML パーサーと同様に、XPath 式を受け入れる selectSingleNode および selectNodes メソッドを提供します。

HtmlDocument.Option?????? ブール値のプロパティに注意してください。これらは、LoadおよびLoadXMLメソッドが HTML/XHTML を処理する方法を制御します。

また、HtmlAgilityPack.chm というコンパイル済みのヘルプ ファイルもあり、各オブジェクトの完全なリファレンスが含まれています。これは通常、ソリューションのベース フォルダーにあります。

于 2009-05-11T07:19:42.760 に答える
165

参考になるかどうかわかりませんが、基礎を紹介する記事をいくつか書きました。

次の記事は 95% 完了しています。あとは、私が書いたコードの最後のいくつかの部分の説明を書き上げるだけです。興味があれば、公開するときにここに投稿することを忘れないようにします。

于 2010-04-06T22:59:46.343 に答える
6

主な HTMLAgilityPack 関連のコードは次のとおりです。

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;
        }
    }
}
于 2014-08-02T07:00:04.850 に答える