Livros
C#
Capítulo 11. HTML e a Web
Analisando HTML

C#:
Analisando HTML

Como Fazer:

Embora o .NET forneça suporte básico para trabalhar com HTML, como o HttpClient para buscar páginas web, ele carece de um analisador HTML abrangente e integrado. Portanto, a maioria dos desenvolvedores C# recorre a bibliotecas de terceiros populares como HtmlAgilityPack ou AngleSharp para capacidades robustas de análise HTML. Ambas as bibliotecas permitem fácil consulta, manipulação e travessia do DOM HTML.

Usando HtmlAgilityPack

  1. Instale o HtmlAgilityPack: Primeiro, adicione o pacote HtmlAgilityPack ao seu projeto via NuGet.

    Install-Package HtmlAgilityPack

  2. Código de Exemplo: Analise uma string HTML e extraia os títulos de todos os elementos <h1>.

    using HtmlAgilityPack;
using System;
using System.Linq;

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

    Saída de Exemplo:

    Título 1
Título 2

Usando AngleSharp

  1. Instale o AngleSharp: Adicione a biblioteca AngleSharp ao seu projeto via NuGet.

    Install-Package AngleSharp

  2. Código de Exemplo: Carregue um documento HTML e consulte elementos div com uma classe específica.

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

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

    Saída de Exemplo:

    Item 1
Item 2

Tanto o HTMLAgilityPack quanto o AngleSharp são ferramentas poderosas para analisar HTML, mas sua escolha entre eles pode depender de requisitos específicos do projeto, considerações de desempenho ou preferência pessoal no design da API.

Baixando uma página da webEnviando uma requisição HTTP