Cara menggunakan paket Agility HTML

Bagaimana cara menggunakan Paket Agility HTML ?

Dokumen XHTML saya tidak sepenuhnya valid. Itu sebabnya saya ingin menggunakannya. Bagaimana saya menggunakannya dalam proyek saya? Proyek saya ada di C #.

Pertama, instal paket nuget HTMLAgilityPack ke proyek Anda.

Kemudian, sebagai contoh:

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: Kode ini adalah contoh saja dan belum tentu pendekatan yang terbaik / satu-satunya. Jangan menggunakannya secara membabi buta dalam aplikasi Anda sendiri.)

The HtmlDocument.Load()Metode juga menerima aliran yang sangat berguna dalam mengintegrasikan dengan kelas berorientasi aliran lain dalam rangka NET. Sedangkan HtmlEntity.DeEntitize()metode lain yang berguna untuk memproses entitas html dengan benar. (terima kasih Matthew)

HtmlDocumentdan HtmlNode kelas yang paling sering Anda gunakan. Mirip dengan parser XML, ia menyediakan metode selectSingleNode dan selectNodes yang menerima ekspresi XPath.

Perhatikan HtmlDocument.Option?????? properti boolean. Ini mengontrol bagaimana Loaddan LoadXMLmetode akan memproses HTML / XHTML Anda.

Ada juga file bantuan yang dikompilasi yang disebut HtmlAgilityPack.chm yang memiliki referensi lengkap untuk masing-masing objek. Ini biasanya di folder dasar dari solusi.

Saya tidak tahu apakah ini akan membantu Anda, tetapi saya telah menulis beberapa artikel yang memperkenalkan dasar-dasarnya.

• Seri Artikel HtmlAgilityPack
• Pengantar Perpustakaan HtmlAgilityPack
• Mengekstrak tautan dengan mudah dari cuplikan html dengan HtmlAgilityPack

Artikel selanjutnya selesai 95%, saya hanya perlu menuliskan penjelasan beberapa bagian terakhir dari kode yang saya tulis. Jika Anda tertarik maka saya akan mencoba mengingat untuk memposting di sini ketika saya menerbitkannya.

HtmlAgilityPack menggunakan sintaks XPath, dan meskipun banyak yang berpendapat bahwa dokumentasinya buruk, saya tidak kesulitan menggunakannya dengan bantuan dari dokumentasi XPath ini: https://www.w3schools.com/xml/xpath_syntax.asp

Mengurai

<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>

Saya melakukan ini:

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);
}

Kode utama HTMLAgilityPack terkait adalah sebagai berikut

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";
        }

    }

Memulai - Paket HTML Agility

// 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);

coba ini

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;
        }