reading HTML?
本文关键字:HTML reading | 更新日期: 2023-09-27 18:34:55
我正在用C#开发一个程序,我需要一些帮助。我正在尝试创建一个数组或项目列表,显示在某个网站上。我正在尝试做的是阅读锚文本,它href
.例如,这是 HTML:
<div class="menu-1">
<div class="items">
<div class="minor">
<ul>
<li class="menu-item">
<a class="menu-link" title="Item-1" id="menu-item-1"
href="/?item=1">Item 1</a>
</li>
<li class="menu-item">
<a class="menu-link" title="Item-1" id="menu-item-2"
href="/?item=2">Item 2</a>
</li>
<li class="menu-item">
<a class="menu-link" title="Item-1" id="menu-item-3"
href="/?item=3">Item 3</a>
</li>
<li class="menu-item">
<a class="menu-link" title="Item-1" id="menu-item-4"
href="/?item=4">Item 4</a>
</li>
<li class="menu-item">
<a class="menu-link" title="Item-1" id="menu-item-5"
href="/?item=5">Item 5</a>
</li>
</ul>
</div>
</div>
</div>
所以从那个 HTML 中我想读到这个:
string[,] array = {{"Item 1", "/?item=1"}, {"Item 2", "/?item=2"},
{"Item 3", "/?item=3"}, {"Item 4", "/?item=4"}, {"Item 5", "/?item=5"}};
HTML是我写的一个例子,实际的网站看起来不像那样。
正如其他人所说,HtmlAgilityPack 是最适合 html 解析的,也一定要从 HtmlAgilityPack 站点下载 HAP 资源管理器,使用它来测试你的选择,无论如何这个 SelectNode 命令将获取所有具有 ID 的锚点,它以菜单项开头:
HtmlDocument doc = new HtmlDocument();
doc.Load(htmlFile);
var myNodes = doc.DocumentNode.SelectNodes("//a[starts-with(@id,'menu-item-')]");
foreach (HtmlNode node in myNodes)
{
Console.WriteLine(node.Id);
}
如果HTML是有效的XML,你可以使用XmlDocument
类加载它,然后使用XPaths访问你想要的部分,或者你可以按照Adriano的建议使用和XmlReader
(更多的工作(。
如果HTML不是有效的XML,我建议使用一些现有的HTML解析器 - 例如参见这个 - 对我们来说工作正常。
你也可以使用 HtmlAgility 包
我认为这种情况很简单,可以使用正则表达式,例如<a.*title="([^"]*)".*href="([^"]*)"
:
string strRegex = @"<a.*title=""([^""]*)"".*href=""([^""]*)""";
RegexOptions myRegexOptions = RegexOptions.None;
Regex myRegex = new Regex(strRegex, myRegexOptions);
string strTargetString = ...;
foreach (Match myMatch in myRegex.Matches(strTargetString))
{
if (myMatch.Success)
{
// Use the groups matched
}
}