C#使用AngleSharp库解析html文档

以下是详细的“C#使用AngleSharp库解析html文档”的攻略。

AngleSharp库介绍

AngleSharp是一个现代化的、标准兼容的HTML/XML解析器。它通过实现W3C的DOM、CSS、和HTML标准，来提供更为完善的浏览器级别的HTML解析功能，比如解析HTML文档、提取DOM节点、执行Javascript代码等等。

AngleSharp这个库支持常见的Web标准，例如HTML、CSS、SVG等，并且能够以流形式加载文档，这意味着我们可以使用像HttpClient之类的现有库来实现对Web服务进行数据提取的功能。

安装AngleSharp

首先，我们需要安装AngleSharp库，我们可以通过NuGet来完成相关的操作，通过Visual Studio的NuGet Package Manager来搜索AngleSharp即可。

安装示例：

Install-Package AngleSharp

AngleSharp库的基本用法

以下是一个基本示例，用于解析HTML字符串并提取其中的标题:

using System;
using AngleSharp.Html.Dom;
using AngleSharp.Html.Parser;

namespace ConsoleApp1
{
    class Program
    {
        static void Main(string[] args)
        {
            string html = "<html><head><title>Hello AngleSharp</title></head><body><p>Beautiful Soup</p></body></html>";
            var htmlParser = new HtmlParser();
            IHtmlDocument document = htmlParser.ParseDocument(html);
            string title = document.Title;
            Console.WriteLine(title);
        }
    }
}

运行上面代码将输出标题Hello AngleSharp。

示例1：从HTML文件中提取数据

以下示例演示了如何使用AngleSharp从一个HTML文件读取数据并提取DOM节点。

using System;
using System.IO;
using AngleSharp.Html.Dom;
using AngleSharp.Html.Parser;

namespace ConsoleApp1
{
    class Program
    {
        static void Main(string[] args)
        {
            string path = "test.html";

            var parser = new HtmlParser();
            using (var stream = File.OpenRead(path))
            {
                IHtmlDocument doc = parser.ParseDocument(stream);
                var table = doc.QuerySelector("table");
                var rows = table.QuerySelectorAll("tr");

                foreach (var row in rows)
                {
                    var tds = row.QuerySelectorAll("td");
                    foreach (var td in tds)
                    {
                        Console.WriteLine(td.TextContent.Trim());
                    }
                }
            }
        }
    }
}

上述代码将读取当前目录下的test.html文件，从中提取table中的数据并输出。具体来说，我们使用QuerySelector方法在HTML文档中查找标签；QuerySelectorAll方法将返回一个NodeList，该列表包含所有与选择器匹配的节点。最后，我们使用TextContent属性来获取节点文本。

示例2：从Web页面中提取数据

除了从HTML文件中提取数据，我们也可以从Web页面中提取数据。下面的示例演示了如何使用AngleSharp从Web页面中读取数据并提取DOM节点。

using System;
using System.Threading.Tasks;
using AngleSharp.Html.Dom;
using AngleSharp.Html.Parser;

namespace ConsoleApp1
{
    class Program
    {
        static async Task Main(string[] args)
        {
            var url = "https://www.baidu.com/"; // 网站地址

            var config = Configuration.Default.WithDefaultLoader();
            using (var context = BrowsingContext.New(config))
            {
                //加载网站
                var document = await context.OpenAsync(url);
                var title = document.Title;
                Console.WriteLine(title);

                var elements = document.QuerySelectorAll(".s-top-wrap a");
                foreach (var element in elements)
                {
                    Console.WriteLine(element.TextContent.Trim());
                }
            }
        }
    }
}

上述代码将打开默认网络配置，并加载百度首页。我们使用了CSS选择器来在DOM中查找元素，通过打印元素的TextContent属性来输出网站上的数据。

到此为止，我们已经成功使用AngleSharp库解析HTML文档，并在国内、国外两种情况下提取数据示例，希望对您有所帮助。

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：C#使用AngleSharp库解析html文档 - Python技术站