C# HTML解析工具HtmlAgilityPack使用实例（一）

一、生成HTML字符串

//生成DOM字符串结构

HtmlNode container = HtmlNode.CreateNode("<div />");

HtmlNode title = HtmlNode.CreateNode("<h3 />");

title.InnerHtml = "张三丰";

HtmlNode link = HtmlNode.CreateNode("<a />");

link.InnerHtml = "点击进入";

link.SetAttributeValue("href", "http://wwww.gongjuji.net");

container.AppendChild(title).AppendChild(link);

Console.WriteLine(container.OuterHtml);

二、解析HTML字符串或本地html文件

//解析html 字符串或者本地html文件

HtmlDocument doc = new HtmlDocument();

string html = "<div id=\"demo\"><span style=\"color: red; \"><h1>Hello</h1> </span></div>";

doc.LoadHtml(html);

HtmlNode demo = doc.GetElementbyId("demo");

Console.WriteLine(demo.InnerHtml);

//注：InnerText中会有换行或空格等，需要特殊处理

Console.WriteLine(demo.InnerText);

Console.WriteLine(demo.InnerText.Length);

三、解析处理结合XPath使用更加方便

XPath简明介绍
XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。
下面列出了最有用的路径表达式：
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。

例如有下面一段XML:

<?xml version="1.0" encoding="utf-8"?>

 <Articles>

 <Article>

   <Title>在ASP.NET中使用Highcharts js图表</title>

   <Url>http://zhoufoxcn.blog.51cto.com/792419/537324</Url>

   <CreateAt type="en">2011-04-07</price>

 </Article>

 <Article>

   <Title lang="eng">Log4Net使用详解（续）</title>

   <Url>http://blog.csdn.net/zhoufoxcn/archive/2010/11/23/6029021.aspx</Url>

   <CreateAt type="zh-cn">2010年11月23日</price>

 </Article>

 <Article>

   <Title>J2ME开发的一般步骤</title>

   <Url>http://blog.csdn.net/zhoufoxcn/archive/2011/06/12/6540223.aspx</Url>

   <CreateAt type="zh-cn">2011年06月12日</price>

 </Article>

 <Article>

   <Title lang="eng">PowerDesign高级应用</title>

   <Url>http://zhoufoxcn.blog.51cto.com/792419/166415</Url>

   <CreateAt type="zh-cn">2007-09-08</price>

 </Article>

 </Articles>

针对上面的XML文件，我们列出了带有谓语的一些路径表达式，以及表达式的结果：
/Articles/Article[1]：选取属于Articles子元素的第一个Article元素。
/Articles/Article[last()]：选取属于Articles子元素的最后一个Article元素。
/Articles/Article[last()-1]：选取属于Articles子元素的倒数第二个Article元素。
/Articles/Article[position()<3]：选取最前面的两个属于 bookstore 元素的子元素的Article元素。
//title[@lang]：选取所有拥有名为lang的属性的title元素。
//CreateAt[@type='zh-cn']：选取所有CreateAt元素，且这些元素拥有值为zh-cn的type属性。
/Articles/Article[Order>2]：选取Articles元素的所有Article元素，且其中的Order元素的值须大于2。
/Articles/Article[Order<3]/Title：选取Articles元素中的Article元素的所有Title元素，且其中的Order元素的值须小于3。