91网首页-91网页版-91网在线观看-91网站免费观看-91网站永久视频-91网站在线播放

如果我們需要抓取網(wǎng)絡(luò)上的數(shù)據(jù)，這時(shí)候我們就要寫(xiě)爬蟲(chóng)，這里面就涉及到網(wǎng)頁(yè)的抓取、以及網(wǎng)頁(yè)分析與數(shù)據(jù)提取。

下面推薦2個(gè).Net開(kāi)源Html解析器，方便用于網(wǎng)絡(luò)爬蟲(chóng)Html源碼的解析、Html源碼編輯等場(chǎng)景。

一、AngleSharp

這是一個(gè)基于.Net開(kāi)發(fā)的，Html代碼解析器，支持通過(guò)C#實(shí)現(xiàn)類似Jquery的方式來(lái)解析Html源碼、節(jié)點(diǎn)創(chuàng)建、節(jié)點(diǎn)刪除、節(jié)點(diǎn)修改、屬性的添加修改等，還支持SVG、XML、MathML等格式，此外還能解析Css。

項(xiàng)目地址：

https://github.com/AngleSharp/AngleSharp?

項(xiàng)目特色

1、非常出色的性能；

2、基于.NET Standard 2.0開(kāi)發(fā)，支持跨平臺(tái)，包括移動(dòng)平臺(tái)；

3、擴(kuò)展性強(qiáng)，可以自己自定義；

4、支持LINQ語(yǔ)法；

5、支持類似Jquery查詢功能；

6、表單提交、Http請(qǐng)求等；

7、Api功能符合W3C規(guī)范標(biāo)準(zhǔn)。

部分代碼示例

Html代碼解析

Form表單提交，并獲取超鏈接數(shù)量

通過(guò)Class選擇元素

表格單元格選擇

Html元素創(chuàng)建

添加Class

屬性操作

二、html-agility-pack

Html Agility Pack (HAP) 是一個(gè)開(kāi)源的 HTML 解析庫(kù)。

• 強(qiáng)大的容錯(cuò)性：HAP 對(duì)于“真實(shí)世界”中常見(jiàn)的 HTML 錯(cuò)誤非常寬容，能夠解析格式不規(guī)范的 HTML 文件。
• DOM 操作：它提供了一個(gè)類似 System.Xml 的對(duì)象模型，但專門(mén)用于 HTML 文檔，支持對(duì) HTML 的讀寫(xiě)操作。
• XPath 和 XSLT 支持：用戶可以使用 XPath 查詢和 XSLT 轉(zhuǎn)換來(lái)處理 HTML 數(shù)據(jù)，但即使不熟悉這些技術(shù)，也可以輕松上手。

示例代碼

獲取指定的網(wǎng)頁(yè)，并獲取所有a標(biāo)簽的文本。

using HtmlAgilityPack;
using System;


// 加載 HTML 文件
HtmlWeb web = new HtmlWeb();
HtmlDocument doc = web.Load("https://www.xxx.com");


// 使用 XPath 查詢
var nodes = doc.DocumentNode.SelectNodes("http://a");
foreach (var node in nodes)
{
    Console.WriteLine(node.InnerText);
}