HTML Agility Packの使い方

HTML Agility Packはどのように使用しますか？

XHTMLドキュメントが完全に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。

最初に、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盲目的に使用しないでください。）

このHtmlDocument.Load()メソッドは、.NETフレームワーク内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。一方では、HtmlEntity.DeEntitize()正しくHTMLエンティティを処理するための別の有用な方法です。（マシューに感謝）

HtmlDocumentそしてHtmlNode 、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と呼ばれるコンパイルされたヘルプファイルには、各オブジェクトの完全なリファレンスがあります。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。

これがあなたに役立つ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。

• HtmlAgilityPack記事シリーズ
• HtmlAgilityPackライブラリの概要
• HtmlAgilityPackを使用してHTMLのスニペットからリンクを簡単に抽出する

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いくつかの部分の説明を書く必要があります。あなたが興味があるなら、私はそれを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ようとします。

HtmlAgilityPackはXPath構文を使用し、ドキュメントが不十分であると多くの人が主張していますが、次のXPathドキュメントの助けを借りて問題なく使用しました：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);
}

HTMLAgilityPackに関連する主な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;
        }
    }
}

    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";
        }

    }

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);

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;
        }