• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号
登陆 注册

C#Xpath解析HtmlDocument的使用方法与递归取得页面所有标签xpath值（附源码） ...

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

在学习HTML Xpath之前呢我们先来下载一下Dll文件
下载地址：http://htmlagilitypack.codeplex.com/
大家下载单击如下图片下载就行了
<ignore_js_op> 
然后就可以直接调用 了，大家看看
代码吧

普通浏览复制代码
  1.   //htmlDcoument对象用来访问Html文档s
  2.             HtmlAgilityPack.HtmlDocument hd = new HtmlAgilityPack.HtmlDocument();
  3.             //加载Html文档
  4.             hd.LoadHtml(strhtml);
  5.   string str = hd.DocumentNode.SelectSingleNode("//*[@id='e_font']").OuterHtml;


这样就可以得到一个标签的HTml代码了
OuterHtml是取包含本身的Html如果是InnerHtml就是取的包含在这个标签之内的所有Html代码了
这点大家要注意了
如果大家想获取Html代码的Xpath路径就是这部分

  1. //*[@id='e_font']
复制代码

这个其实很简单只在大家安装一个Firbug就行了，
看下图片
<ignore_js_op> 
大家只要进入选择模式，然后选择你要的内容，然后右键复制一下就行了。
然后放在SelectSingleNode（）方法里就OK了
下面我说说几个方法和属性的意思吧、
方法

SelectNodes 获取的是一个集合
SelectSingleNode 获取一个标签
SetAttributeValue 设置标签的属性值例如：SetAttributeValue("name","xpath-89");这说明把name属性的值修改为xpath-89
属性

OuterHtml   是取包含本身的Html
InnerHtml   取的包含在这个标签之内的所有Html代码了
XPath   获取相对应的Xpath值
Attributes 获取一个属性的值例如：Attributes("name") 
也可以进行添加属性例如：

普通浏览复制代码
  1. hd.DocumentNode.SelectSingleNode(item.Key).Attributes.Add("xpathid", "xpath_1" );



下面我写了一个递归获取Html页面所有Xpath值的方法大家看一下吧

普通浏览复制代码
  1.   //key（Xpath）,value（整个节点）
  2.         public List<ObjXpath> XpathList = new List<ObjXpath>();
  3.         public string strhtml = "";//这里就是你的Html代码具体怎么获取请参考我的<a href=\"http://www.sufeinet.com/thread-3-1-1.html\" target=\"_blank\">HttpHelper</a>类吧
  4.           private int Index = 0;
  5. //开始处理Node
  6.         private void SartNode()
  7.         {
  8.             //htmlDcoument对象用来访问Html文档s
  9.             HtmlAgilityPack.HtmlDocument hd = new HtmlAgilityPack.HtmlDocument();
  10.             //加载Html文档
  11.             hd.LoadHtml(strhtml);
  12.             HtmlNodeCollection htmllist = hd.DocumentNode.ChildNodes;
  13.             Index = 0;
  14.             XpathList.Clear();
  15.             foreach (HtmlNode em in htmllist)
  16.             {
  17.                 Setxpath(em);
  18.             }
  19.         }
  20.         /// <summary>
  21.         /// 递归获取Html Dom
  22.         /// </summary>
  23.         /// <param name="node">要处理的节点</param>
  24.         private void Setxpath(HtmlNode node)
  25.         {
  26.             foreach (HtmlNode item in node.ChildNodes)
  27.             {
  28.                 if (item.XPath.Contains("#"))
  29.                 {
  30.                     continue;
  31.                 }
  32.                 if (item.ChildNodes.Count > 0)
  33.                 {
  34.                     XpathList.Add(new ObjXpath() { id = Index.ToString(), Key = item.XPath, Value = "" });
  35.                     Index++;
  36.                     Setxpath(item);
  37.                 }
  38.                 else
  39.                 {
  40.                     XpathList.Add(new ObjXpath() { id = Index.ToString(), Key = item.XPath, Value = "" });
  41.                     Index++;
  42.                 }
  43.             }
  44.         }
  45.   public class ObjXpath
  46.     {
  47.         public string id { get; set; }
  48.         public string Key { get; set; }
  49.         public string Value { get; set; }
  50.     }


XpathList 就是获取的所有Xpath值了，大家有兴趣的话可以试试
我们先来看看效果吧
<ignore_js_op> 
好了下面放出所有代码给大家

普通浏览复制代码
  1. using System;
  2. using System.Collections.Generic;
  3. using System.ComponentModel;
  4. using System.Data;
  5. using System.Drawing;
  6. using System.Linq;
  7. using System.Text;
  8. using System.Windows.Forms;
  9. using System.Text.RegularExpressions;
  10. using System.Threading;
  11. using HtmlAgilityPack;
  12. using System.IO;
  13. using System.Runtime.Serialization.Json;
  15. namespace AutoXpathTools
  16. {
  17.     public partial class Form1 : Form
  18.     {
  19.         public Form1()
  20.         {
  21.             InitializeComponent();
  22.         }
  24.         #region 私有变量和方法
  26.         //委托传入一个字符串
  27.         private delegate void SetListBox(string str);
  29.         //key（Xpath）,value（整个节点）
  30.         List<ObjXpath> XpathList = new List<ObjXpath>();
  31.         private int Index = 0;
  32.         //htmlDcoument对象用来访问Html文档
  33.         HtmlAgilityPack.HtmlDocument hd = new HtmlAgilityPack.HtmlDocument();
  35.         #endregion
  37.         //分析Xpath的所有代码
  38.         private void btnGetXpath_Click(object sender, EventArgs e)
  39.         {
  40.             try
  41.             {
  42.                 HttpHelper http = new HttpHelper();
  43.                 HttpItem item = new HttpItem() { URL = textBox1.Text.Trim(), IsToLower = false, Encoding = "gbk" };
  44.                 txtXml.Text = http.GetHtml(item);
  45.                 if (!string.IsNullOrWhiteSpace(txtXml.Text) && txtXml.Text.Trim().ToLower() != "error")
  46.                 {
  47.                     //加载Html文档
  48.                     hd.LoadHtml(txtXml.Text);
  49.                   
  51.                     Thread pingTask = new Thread(new ThreadStart(delegate
  52.                     {
  53.                         //代码,线程要执行的代码
  54.                         SartNode(txtXml.Text);
  55.                     }));
  56.                     pingTask.Start();
  57.                    
  58.                 }
  59.                 else
  60.                 {
  61.                     txtXml.Text = "根据您的的ULR：" + textBox1.Text.Trim() + "无法得到任何内容";
  62.                 }
  63.             }
  64.             catch (Exception ex)
  65.             {
  66.                 txtXml.Text = ex.Message.Trim();
  67.             }
  68.         }
  69.        
  71.         //开始处理Node
  72.         private void SartNode(string strhtml)
  73.         {
  74.             //htmlDcoument对象用来访问Html文档s
  75.             HtmlAgilityPack.HtmlDocument hd = new HtmlAgilityPack.HtmlDocument();
  76.             //加载Html文档
  77.             hd.LoadHtml(strhtml);
  78.             HtmlNodeCollection htmllist = hd.DocumentNode.ChildNodes;
  79.             Index = 0;
  80.             XpathList.Clear();
  81.             foreach (HtmlNode em in htmllist)
  82.             {
  83.                 Setxpath(em);
  84.             }
  85.         }
  86.         /// <summary>
  87.         /// 递归获取Html Dom
  88.         /// </summary>
  89.         /// <param name="node">要处理的节点</param>
  90.         private void Setxpath(HtmlNode node)
  91.         {
  92.             foreach (HtmlNode item in node.ChildNodes)
  93.             {
  94.                 if (item.XPath.Contains("#"))
  95.                 {
  96.                     continue;
  97.                 }
  98.                 if (item.ChildNodes.Count > 0)
  99.                 {
  100.                     XpathList.Add(new ObjXpath() { id = Index.ToString(), Key = item.XPath, Value = "" });
  101.                     UIContorol(item.XPath);
  102.                     Index++;
  103.                     Setxpath(item);
  104.                 }
  105.                 else
  106.                 {
  107.                     XpathList.Add(new ObjXpath() { id = Index.ToString(), Key = item.XPath, Value = "" });
  108.                     UIContorol(item.XPath);
  109.                     Index++;
  110.                 }
  111.             }
  112.         }
  113.       
  114.         //使用委托给控件赋值
  115.         private void UIContorol(string str)
  116.         {
  117.             listBox1.Items.Add(str);
  118.             toolStripStatusLabel1.Text = str;
  119.         }
  121.         private void listBox1_SelectedValueChanged(object sender, EventArgs e)
  122.         {
  123.             if (listBox1.SelectedItem != null)
  124.             {
  125.                 txtPath.Text = listBox1.SelectedItem.ToString().Trim();
  126.             }
  127.         }
  129.         private void button3_Click(object sender, EventArgs e)
  130.         {
  131.             txtContents.Text = hd.DocumentNode.SelectSingleNode(txtPath.Text.Trim()).OuterHtml;
  132.         }
  133.       
  134.         private void Form1_Load(object sender, EventArgs e)
  135.         {
  136.             //HttpItem item = new HttpItem()
  137.             //{
  138.             //    URL = "http://www.diandian.com/login",
  139.             //    Method = "post",
  140.             //    Cookie = "dtid=ZfXUVo1IsplHR4mHW1HYmgKbY4GJa003; kvf=1358855337188; alf=1; dru=1356356040; _l5=y",
  141.             //    ContentType = "application/x-www-form-urlencoded",
  142.             //    Postdata = "[email protected]&password=wjlove520&nextUrl=&lcallback=&persistent=1",
  143.             //    Referer = "http://www.diandian.com/logout?formKey=e4714d863c862a84fafd83d98e5ecb22"
  144.             //};
  145.             //HttpHelper http = new HttpHelper();
  146.             //string html = http.GetHtml(item);
  147.             //string cookie = item.Cookie;
  148.             //item = new HttpItem() { URL = "http://www.diandian.com/home", Cookie = cookie };
  149.             //html = http.GetHtml(item);
  150.         }
  151.     }
  152.     public class ObjXpath
  153.     {
  154.         public string id { get; set; }
  155.         public string Key { get; set; }
  156.         public string Value { get; set; }
  157.     }
  158. }


就到这里吧，大家可以下载我的源代码试试手
打包下载：
<ignore_js_op> (76.32 KB, 下载次数: 0) 
如果你感觉可以话就给我推荐一下吧。感谢大家

鲜花
握手
雷人
路过
鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
More+
上一篇：
C#按位或，按位与,按位异或发布时间：2022-07-18
下一篇：
c#通过json.net中的JsonConverter进行自定义序列化与反序列化发布时间：2022-07-18
热门推荐
More+
热门话题
More+
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服（服务时间 9:00～18:00）

在线QQ客服
地址：深圳市南山区西丽大学城创智工业园
电邮：jeky_zhao#qq.com
移动电话：139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap