HtmlAgilityPack
使用HtmlAgilityPack可以以面向对象的方式通过查找Html节点来获取页面元素。参考:http://html-agility-pack.net
HtmlDocument类
//方法
LoadHtml(string content);
//加载Html数据CreateNode(string html)
//创建一个HtmlNodeCreateAttribute(string attriName, string attriVal)
//创建一个属性CreateTextNode(string text)
//创建文本//其它参考:http://html-agility-pack.net/utilities和http://html-agility-pack.net/writer//属性
DocumentNode
//得到根节点,返回一个HtmlNode
HtmlNode类
//方法
SelectNodes(string xPath)
//获取xPath指定的节点集合SelectSingleNode(string xPath)
//获取xPath指定的节点集合中的第一个节点SetAttributeValue(HtmlAttribute attri | string attriName, string attriVal)
//修改当前节点的属性PrependChild(HtmlNode node)
//在当前节点中的开始处插入新的子节点AppendChild(HtmlNode node)
//在当前节点中的末尾处插入新的子节点PrependChildren(HtmlNode node)
//在当前节点中的开始处的子节点的开始处插入后代节点AppendChildren(HtmlNode node)
//在当前节点中的末尾处的子节点的末尾处插入后代节点InsertAfter(HtmlNode node)
//在当前节点后面插入新节点,类似的有insertBeforeRemove()
//移除自身RemoveAll()
//移除自身包含的所有节点RemoveAllChildren()
//移除自身包含的所有节点RemoveChild(HtmlNode oldChild | HtmlNode oldChild, bool keepGrandChildren)
//keepGrandChildren:是否深度移除后代节点
//移除自身包含的由参数指定的节点ReplaceChild(HtmlNode newChild, HtmlNode oldChild);
//在当前节点中,用newChild替换oldChildClone()
//创建副本CloneNode(bool deep | string name | string name, bool deep)
//deep:是否深度克隆,如果是false,则只克隆节点自身
//name:克隆的同时修改节点的标签名称,比如克隆H1的内容同时改掉结果节点的名称为H2CopyFrom(HtmlNode node | HtmlNode node, bool deep)
//deep:是否深度拷贝,如果是false,则只拷贝节点自身
//从参数指定的节点处复制其包含的所有节点Element()
//在当前节点中根据参数指定的名称获取一个子节点,返回单个HtmlNodeElements()
//在当前节点中根据参数指定的名称获取子节点集合,返回IEnumerable<HtmlNode>集合Ancestors(string name)
//获取当前节点的由参数指定的名称的祖先节点,如果参数为空则获取当前节点的所有祖先节点的集合,类似的有AncestorsAndSelf()、AncestorsAndSelf(string name)Descendants(string name)
//获取当前节点的由参数指定的名称的后代节点,如果参数为空则获取当前节点的所有后代节点的集合,类似的有DescendantsAndSelf()、DescendantsAndSelf(string name)DescendantNodes()
//获取所有后代节点,类似的有DescendantNodesAndSelf()//属性
InnerHtml
//设置或获取当前节点所包含的元素节点InnerText
//设置或获取当前节点所包含的文本OuterHtml
//获取当前节点所包含的所有代码ParentNode
//获取当前节点的父节点ChildNodes
//获取所有子节点,类似的有FirstChild、LastChild、NextSibling、ParentNode
HtmlAttribute类
//方法
Add(HtmlAttribute attri | string attriName, string attriVal)
//添加一个属性,类似的有Append()Remove(string attriName)
//此方法需要属性集合调用,移除节点的由参数指定的属性,如果参数为空则移除所有属性,类似的有RemoveAll()、RemoveAt(int index)
例子:
private void Test()
{
HtmlDocument doc = new HtmlDocument();
//三种方式创建Html对象 //第一种:
//System.IO.StreamReader reader = System.IO.File.OpenText(url);
//doc.LoadHtml(reader); //第二种:
//doc.LoadHtml(url); 如果使用Load(url)会出现提示文档包含非法字符 //第三种:
//string htmlText = "<div>xxx</div>";
//doc.LoadHtml(htmlText);
string url = "http://www.weather.com.cn/weathern/101040100.shtml";
WebClient wc = new WebClient();
wc.Encoding = Encoding.GetEncoding("utf-8");
string content = wc.DownloadString(url); doc.LoadHtml(content);
HtmlNode root = doc.DocumentNode; //得到根节点
var div= root.SelectNodes("//div").Where(d => d.InnerText.Contains("sam")).SingleOrDefault();
}
附:移除注释
foreach (var comment in doc.DocumentNode.SelectNodes("//comment()").ToArray())
{
comment.Remove();//新增的代码
}