webdevqa.jp.net

HTML Agility packの使い方

HTML Agility Pack を使用するにはどうすればよいですか。

私のXHTML文書は完全には有効ではありません。だから私はそれを使いたかったのです。プロジェクトでどのように使用しますか?私のプロジェクトはC#です。

609
chh

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。

それから、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、必ずしも最良の/唯一のアプローチではありません。自分のアプリケーションでは盲目的に使用しないでください。)

HtmlDocument.Load()メソッドは、.NETフレームワーク内の他のストリーム指向クラスと統合するのに非常に役立つストリームも受け入れます。 HtmlEntity.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)

HtmlDocumentHtmlNodeはあなたが最も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メソッドが用意されています。

HtmlDocument.Option??????ブール型プロパティに注意してください。これらはLoadおよびLoadXMLメソッドがどのようにあなたのHTML/XHTMLを処理するかを制御します。

HtmlAgilityPack.chmという名前のコンパイル済みヘルプファイルもあります。このファイルには、各オブジェクトの完全な参照が含まれています。これは通常、ソリューションのベースフォルダにあります。

347
Ash

これがあなたにとって何らかの助けになるかどうかはわかりませんが、基本を紹介する記事をいくつか書いています。

次の記事は95%完成しています、私が書いたコードの最後の数部分の説明を書かなければなりません。あなたが興味を持っているのであれば私はそれを公開するときに私はここに投稿することを忘れないようにします。

163
rtpHarry

HtmlAgilityPackはXPath構文を使用しており、あまりドキュメント化されていないと多くの人が主張していますが、このXPathドキュメントの助けを借りて使用することに問題はありませんでした: https://www.w3schools.com/xml/xpath_syntax.asp

パースします

<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>

これは私がしました:

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);
}
64

主なHTMLAgilityPack関連コードは以下の通りです

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;
        }
    }
}
5
captainsac
    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";
        }

    }
5
ibrahim ozboluk

これを試して

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;
        }
0
PK-1825

はじめに - HTML Agility Pack

// 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);
0
Mr.Meysam