HTML解析器HtmlAgilityPack的一些使用总结(C#)

哎~本来这些总结是作为使用时的快速备注,但是用不上了.实际应用当中HtmlAgilityPack的可靠性不太稳定,一主要问题是:
-> 一些字符会出现乱码或者变成'?',如韩语字符.由于我是已经有HTML源,只需要Load后解析,所以设置OverrideEncoding的方法不管用.
-> 有时候获取到的元素内容会多个换行或空格什么的,然后又要增加代码过滤,然后效率就下来了... ...
浪费了不少时间,到头来还是mshtml可靠性高些.而且调用方法也熟悉.
不管网上对各种HTML解析器怎么测评,只有自己试了才知道...

/*
    c# HtmlAgilityPack
    --------------------------------
 * 关于节点的重要属性:
    Attributes 　　　　　　　　　　　 获取节点的属性集合
    ChildNodes　　　　　　　　　　　　获取子节点集合(包括文本节点)
    HasAttributes　　　　　　　　　　 判断该节点是否含有属性
    HasChildNodes　　　　　　　　　　 判断该节点是否含有子节点
    HasClosingAttributes　　　　　　  判断该节点的关闭标签是否含有属性(</xxx class="xxx">)
    Line　　　　　　　　　　　　　　　获取该节点的开始标签或开始代码位于整个HTML源代码的第几行(行号)
    Name　　　　　　　　　　　　　　  Html元素名
    Id　　　　　　　　　　　　　　　　获取该节点的Id属性
    NextSibling　　　　　　　　　　　 获取下一个兄弟节点
    PreviousSibling　　　　　　　　　 获取前一个兄弟节点
    NodeType　　　　　　　　　　　　  获取该节点的节点类型(四个:Text,Element,Document,Comment)
    OwnerDocument　　　　　　　　　   节点所在的HtmlDocument文档
    ParentNode　　　　　　　　　　　　获取该节点的父节点
    XPath　　　　　　　　　　　　　　 根据节点返回该节点的XPath
 * 关于节点的重要方法:
    Elements(string name); 　　　　　 根据参数名获取匹配的元素集合
    Element(string name); 　　　　　　根据参数名获取一个元素
    DescendantNodes(); 　　　　　　　 获取所有子代节点,如果有参数,注意元素名要与参数匹配
    DescendantNodesAndSelf(); 　　　　获取所有的子代节点以及自身,如果有参数,注意元素名要与参数匹配
    --------------------------------
    Document.GetElementbyId("box").InnerText;
 
    //枚举元素两种写法
    string s = "";
    HtmlNodeCollection nodes = Document.DocumentNode.SelectNodes("//li");
    foreach (HtmlNode li in nodes)
    {
        s+=li.InnerText+" ";
    }
    --------------------------------
    foreach (HtmlNode li in Document.DocumentNode.Descendants("li"))
    {
        s+=li.InnerText+" ";
    }
    --------------------------------
    string s = node.Attributes["src"].Value;
    string s = node.Attributes["href"].Value;
    string s = node.Attributes["title"].Value;
    --------------------------------
    //获取所有板块的a标签
    HtmlAgilityPack.HtmlNodeCollection collection = doc.DocumentNode.SelectNodes("//a");
    --------------------------------
    //获取所有a标签的链接
    foreach (HtmlNode a in Document.DocumentNode.Descendants("a"))
    {
        s+=a.Attributes["href"].Value+" ";
    }
    或者
    foreach (HtmlNode a in Document.DocumentNode.SelectNodes("//a"))
    {
        s+=a.Attributes["href"].Value+" ";
    }
    --------------------------------
    //获取标题,SelectSingleNode用于获取满足条件的唯一的节点。
    Document.DocumentNode.SelectSingleNode("//title").InnerText;
    --------------------------------
    //获取name为selected的li，也就是相当于getElementsByName()：
    HtmlNode node = Document.DocumentNode.SelectSingleNode("//li[@name='selected']");
    s=node.InnerText;
    或者
    Document.DocumentNode.SelectSingleNode("//li[@name='selected']").InnerText;
    --------------------------------
    每一个Htmlnode，你要获取他的数据用这个方法：  node.Attributes["src"].Value
    --------------------------------
    xpath包含7个类型:元素（Element），属性（Attribute），文本（Test），命名空间，处理指令，注释，文档根节点。
    下面列出了最有用的路径(也就是遇到的参数叫:XPath)表达式：
    nodename    选取此节点的所有子节点。
    /           从根节点选取。
    //          从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
    .           选取当前节点。
    ..          选取当前节点的父节点。
    @           选取属性。
 * 注意:
    “//”：从当前选择的节点开始寻找，对于后面的表达式是在当前节点中的任意位置寻找，只要符合的就加入到选择结果中。
    “./”：也是从当前选择的节点开始选择，但是仅仅是寻找当前节点的直系子元素，而对于孙子及以后的节点都不考虑。
    --------------------------------
    /div/li[1]：选取属于div子元素的第一个li元素。
    /div/li[last()]：选取属于div子元素的最后一个li元素。
    /div/li[last()-1]：选取属于div子元素的倒数第二个li元素。
    /div/li[position()<3]：选取最前面的两个属于 div 元素的子元素的li元素。
    //title[@lang]：选取所有拥有名为lang的属性的title元素。
    //div[@id='box']：选取所有div元素，且这些元素拥有值为box的id属性。
    /div/li[Order>2]：选取div元素的所有li元素，且其中的Order元素的值须大于2。
    /div/li[Order<3]/Title：选取div元素中的li元素的所有Title元素，且其中的Order元素的值须小于3。
    --------------------------------
 */