Книги
C#
Розділ 11. HTML та веб
Аналіз HTML

C#:
Аналіз HTML

Як:

Хоча .NET надає базову підтримку для роботи з HTML, наприклад, HttpClient для отримання веб-сторінок, він не має вбудованого, всеосяжного HTML-парсера. Тому більшість розробників на C# звертаються до популярних сторонніх бібліотек, як-от HtmlAgilityPack або AngleSharp, для надійних можливостей синтаксичного аналізу HTML. Обидві бібліотеки дозволяють легко виконувати запити, маніпуляції та обходження DOM HTML.

Використання HtmlAgilityPack

  1. Встановіть HtmlAgilityPack: Спочатку додайте пакет HtmlAgilityPack до свого проекту через NuGet.

    Install-Package HtmlAgilityPack

  2. Приклад коду: Розберіть HTML-рядок та витягніть заголовки всіх елементів <h1>.

    using HtmlAgilityPack;
using System;
using System.Linq;

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

    Приклад результату:

    Заголовок 1
Заголовок 2

Використання AngleSharp

  1. Встановіть AngleSharp: Додайте бібліотеку AngleSharp до свого проекту через NuGet.

    Install-Package AngleSharp

  2. Приклад коду: Завантажте HTML-документ і запитайте div елементи з певним класом.

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

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

    Приклад результату:

    Елемент 1
Елемент 2

Як HtmlAgilityPack, так і AngleSharp є потужними інструментами для синтаксичного аналізу HTML, але ваш вибір між ними може залежати від конкретних вимог проекту, міркувань щодо продуктивності або особистих переваг у дизайні API.

Завантаження веб-сторінкиНадсилання HTTP-запиту