HtmlAgilityPack是一個.NET平臺下的HTML解析庫，它可以將HTML文本轉(zhuǎn)換為DOM文檔對象，方便我們對HTML文本進行操作和分析。HtmlAgilityPack支持XPath語法，可以通過XPath表達式來獲取DOM節(jié)點，同時還提供了一些方便的API，可以實現(xiàn)HTML文本的解析、修改、生成等功能。本文將詳細介紹HtmlAgilityPack的使用及使用方法。

一、HtmlAgilityPack的安裝

HtmlAgilityPack是一個NuGet包，可以通過Visual Studio的NuGet包管理器來安裝。具體步驟如下：

1. 打開Visual Studio，打開要安裝HtmlAgilityPack的項目。

2. 在“解決方案資源管理器”中右鍵單擊項目，選擇“管理NuGet程序包”。

3. 在“NuGet程序包管理器”中搜索“HtmlAgilityPack”，選擇“安裝”。

4. 等待安裝完成。

安裝完成后，就可以在項目中使用HtmlAgilityPack了。

二、HtmlAgilityPack的使用

1. 加載HTML文本

使用HtmlAgilityPack解析HTML文本的第一步是將HTML文本加載到一個HtmlDocument對象中?？梢酝ㄟ^以下代碼來實現(xiàn)：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(htmlText);

其中，htmlText是要解析的HTML文本。LoadHtml方法會將HTML文本解析成一個DOM文檔對象，并存儲在doc對象中。

2. 獲取DOM節(jié)點

HtmlAgilityPack提供了一些方法來獲取DOM節(jié)點，例如GetElementById、GetElementsByTagName、selectSingleNode、selectNodes等。這些方法都接受一個XPath表達式作為參數(shù)，用來指定要獲取的節(jié)點。以下是一些示例代碼：

// 獲取id為"content"的節(jié)點
HtmlNode contentNode = doc.GetElementById("content");
// 獲取所有的a標(biāo)簽
HtmlNodeCollection aNodes = doc.DocumentNode.selectNodes("//a");
// 獲取第一個p標(biāo)簽
HtmlNode pNode = doc.DocumentNode.selectSingleNode("//p");

其中，XPath表達式的語法與XML的XPath語法相同。在這里不再詳細介紹。

3. 修改DOM節(jié)點

HtmlAgilityPack提供了一些方法來修改DOM節(jié)點，例如SetAttributeValue、InnerHtml、OuterHtml等。以下是一些示例代碼：

// 修改id為"content"的節(jié)點的class屬性
contentNode.SetAttributeValue("class", "new-class");
// 修改第一個p標(biāo)簽的內(nèi)容
pNode.InnerHtml = "這是新的內(nèi)容";
// 修改第一個a標(biāo)簽的href屬性
HtmlNode aNode = aNodes[0];
aNode.SetAttributeValue("href", "http://www.example.com");

4. 生成HTML文本

HtmlAgilityPack還可以將DOM文檔對象轉(zhuǎn)換為HTML文本?？梢酝ㄟ^以下代碼來實現(xiàn)：

string newHtmlText = doc.DocumentNode.OuterHtml;

其中，OuterHtml屬性返回DOM文檔對象的HTML文本表示。

三、HtmlAgilityPack的功能實例

下面將通過一些具體的實例來演示HtmlAgilityPack的使用方法。

1. 獲取頁面標(biāo)題

以下代碼演示了如何獲取頁面標(biāo)題：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(htmlText);
HtmlNode titleNode = doc.DocumentNode.selectSingleNode("//title");
string title = titleNode.InnerHtml;

其中，htmlText是要解析的HTML文本。首先，將HTML文本加載到一個HtmlDocument對象中。然后，通過XPath表達式“//title”獲取頁面標(biāo)題節(jié)點。最后，通過InnerHtml屬性獲取標(biāo)題的內(nèi)容。

2. 獲取頁面中的所有圖片

以下代碼演示了如何獲取頁面中的所有圖片：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(htmlText);
HtmlNodeCollection imgNodes = doc.DocumentNode.selectNodes("//img");
foreach (HtmlNode imgNode in imgNodes)
{
    string src = imgNode.GetAttributeValue("src", "");
    Console.WriteLine(src);
}

首先，將HTML文本加載到一個HtmlDocument對象中。然后，通過XPath表達式“//img”獲取所有圖片節(jié)點。最后，遍歷所有圖片節(jié)點，獲取每個節(jié)點的src屬性。

3. 獲取頁面中的所有鏈接

以下代碼演示了如何獲取頁面中的所有鏈接：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(htmlText);
HtmlNodeCollection aNodes = doc.DocumentNode.selectNodes("//a");
foreach (HtmlNode aNode in aNodes)
{
    string href = aNode.GetAttributeValue("href", "");
    Console.WriteLine(href);
}

首先，將HTML文本加載到一個HtmlDocument對象中。然后，通過XPath表達式“//a”獲取所有鏈接節(jié)點。最后，遍歷所有鏈接節(jié)點，獲取每個節(jié)點的href屬性。

4. 修改頁面中的所有鏈接

以下代碼演示了如何將頁面中的所有鏈接修改為指定的鏈接：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(htmlText);
HtmlNodeCollection aNodes = doc.DocumentNode.selectNodes("//a");
foreach (HtmlNode aNode in aNodes)
{
    aNode.SetAttributeValue("href", "http://www.example.com");
}
string newHtmlText = doc.DocumentNode.OuterHtml;

首先，將HTML文本加載到一個HtmlDocument對象中。然后，通過XPath表達式“//a”獲取所有鏈接節(jié)點。最后，遍歷所有鏈接節(jié)點，將它們的href屬性修改為指定的鏈接。最后，通過OuterHtml屬性將修改后的DOM文檔對象轉(zhuǎn)換為HTML文本。

本文介紹了HtmlAgilityPack的使用及使用方法。HtmlAgilityPack是一個功能強大、易用性高的HTML解析庫，可以方便地對HTML文本進行操作和分析。通過本文的介紹，讀者可以了解HtmlAgilityPack的基本用法，并可以根據(jù)需要自行擴展。

作者：架構(gòu)師老盧

來源：https://www.cnblogs.com/hanbing81868164/p/17856515.html