Książki
C#
Rozdział 11. HTML i sieć web
Analiza składniowa HTML

C#:
Analiza składniowa HTML

Jak to zrobić:

Chociaż .NET oferuje podstawowe wsparcie dla pracy z HTML, takie jak HttpClient do pobierania stron internetowych, brakuje mu wbudowanego, kompleksowego parsera HTML. Dlatego większość programistów C# zwraca się do popularnych bibliotek stron trzecich, takich jak HtmlAgilityPack lub AngleSharp, dla solidnych możliwości parsowania HTML. Obie biblioteki umożliwiają łatwe zapytania, manipulację i przeglądanie obiektowego modelu dokumentu (DOM) HTML.

Korzystanie z HtmlAgilityPack

  1. Zainstaluj HtmlAgilityPack: Najpierw dodaj pakiet HtmlAgilityPack do swojego projektu za pomocą NuGet.

    Install-Package HtmlAgilityPack

  2. Przykładowy kod: Zanalizuj ciąg HTML i wydobyj tytuły wszystkich elementów <h1>.

    using HtmlAgilityPack;
using System;
using System.Linq;

class Program
{
    static void Main(string[] args)
    {
        var html = @"<html>
                      <body>
                          <h1>Tytuł 1</h1>
                          <h1>Tytuł 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);
        }
    }
}

    Przykładowe wyjście:

    Tytuł 1
Tytuł 2

Korzystanie z AngleSharp

  1. Zainstaluj AngleSharp: Dodaj bibliotekę AngleSharp do swojego projektu za pomocą NuGet.

    Install-Package AngleSharp

  2. Przykładowy kod: Załaduj dokument HTML i wyszukaj elementy div z określoną klasą.

    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'>Przedmiot 1</div><div class='item'>Przedmiot 2</div>"));

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

    Przykładowe wyjście:

    Przedmiot 1
Przedmiot 2

Zarówno HTMLAgilityPack, jak i AngleSharp, to potężne narzędzia do parsowania HTML, ale wybór między nimi może zależeć od konkretnych wymagań projektowych, względów wydajnościowych lub osobistych preferencji w zakresie projektowania API.

Pobieranie strony internetowejWysyłanie żądania HTTP