Cookbooks
C#
Kapitel 11. HTML und das Web
HTML parsen

C#:
HTML parsen

Wie:

Während .NET grundlegende Unterstützung für die Arbeit mit HTML bietet, wie den HttpClient zum Abrufen von Webseiten, fehlt es an einem integrierten, umfassenden HTML-Parser. Daher wenden sich die meisten C#-Entwickler an beliebte Drittanbieter-Bibliotheken wie HtmlAgilityPack oder AngleSharp für robuste HTML-Parsing-Fähigkeiten. Beide Bibliotheken ermöglichen einfaches Abfragen, Manipulieren und Durchlaufen des HTML-DOM.

Verwendung von HtmlAgilityPack

  1. HtmlAgilityPack installieren: Fügen Sie zunächst das HtmlAgilityPack-Paket Ihrem Projekt über NuGet hinzu.

    Install-Package HtmlAgilityPack

  2. Beispielcode: Parsen Sie einen HTML-String und extrahieren Sie die Titel aller <h1>-Elemente.

    using HtmlAgilityPack;
using System;
using System.Linq;

class Program
{
    static void Main(string[] args)
    {
        var html = @"<html>
                      <body>
                          <h1>Titel 1</h1>
                          <h1>Titel 2</h1>
                      </body>
                     </html>";
        var htmlDoc = new HtmlDocument();
        htmlDoc.LoadHtml(html);

        var h1Tags = htmlDoc.DocumentNode.SelectNodes("//h1").Select(node => node.InnerText);
        foreach (var title in h1Tags)
        {
            Console.WriteLine(title);
        }
    }
}

    Beispielausgabe:

    Titel 1
Titel 2

Verwendung von AngleSharp

  1. AngleSharp installieren: Fügen Sie die AngleSharp-Bibliothek Ihrem Projekt über NuGet hinzu.

    Install-Package AngleSharp

  2. Beispielcode: Laden Sie ein HTML-Dokument und fragen Sie div-Elemente mit einer spezifischen Klasse ab.

    using AngleSharp;
using AngleSharp.Dom;
using System;
using System.Linq;
using System.Threading.Tasks;

class Program
{
    static async Task Main(string[] args)
    {
        var context = BrowsingContext.New(Configuration.Default);
        var document = await context.OpenAsync(req => req.Content("<div class='item'>Artikel 1</div><div class='item'>Artikel 2</div>"));

        var items = document.QuerySelectorAll(".item").Select(element => element.TextContent);
        foreach (var item in items)
        {
            Console.WriteLine(item);
        }
    }
}

    Beispielausgabe:

    Artikel 1
Artikel 2

Sowohl HTMLAgilityPack als auch AngleSharp sind leistungsstarke Werkzeuge zum Parsen von HTML, aber Ihre Wahl zwischen ihnen könnte von spezifischen Projektanforderungen, Leistungsüberlegungen oder persönlichen Vorlieben im API-Design abhängen.

Webseite herunterladenEinen HTTP-Request senden