当前位置：首页 > news >正文

HtmlAgilityPack 操作详解

news 2025/6/9 22:55:02

1.安装 HtmlAgilityPack

2. 示例 HTML

3. 使用 HtmlAgilityPack 进行 HTML 解析与操作

4. 代码详解

1.加载html文档

2.选择元素

3. 提取属性

4.修改属性

5.常用的几种获取元素的 XPath 写法

HtmlAgilityPack：

轻量且高效，适合进行常规的 HTML 解析。
由于其轻量化设计，在只需简单提取或修改元素内容时，HtmlAgilityPack 会显得更快。
对于层级较深或大规模的 HTML 文档，HtmlAgilityPack 也会处理得较为流畅。
文件大小较小，功能单一，适用于解析 HTML 和使用 XPath 查询。
没有内置对 CSS 选择器的支持，需要通过额外库扩展（如 Fizzler）。

1.安装 HtmlAgilityPack

通过 NuGet 包管理器安装 HtmlAgilityPack：

2. 示例 HTML

假设我们有以下 HTML 内容，需要解析和操作：

 <!DOCTYPE html><html><head><title>HtmlAgilityPack Example</title><style>.highlight { color: yellow; }#main { background-color: #f0f0f0; }</style></head><body><h1 id='main-heading' class='highlight'>Welcome to HtmlAgilityPack</h1><p>This is a <span class='highlight'>simple</span> example.</p><a href='https://example.com' target='_blank'>Visit Example.com</a><ul id='items'><li class='item'>Item 1</li><li class='item'>Item 2</li><li class='item'>Item 3</li></ul><input type='text' id='username' value='JohnDoe' /><input type='password' id='password' /></body></html>

3. 使用 HtmlAgilityPack 进行 HTML 解析与操作

以下是一个详细的 C# 示例，展示如何使用 HtmlAgilityPack 进行各种操作：

using HtmlAgilityPack;
using System;
using System.Linq;class Program
{static void Main(string[] args){// 示例 HTML 内容string html = @"<!DOCTYPE html><html><head><title>HtmlAgilityPack Example</title><style>.highlight { color: yellow; }#main { background-color: #f0f0f0; }</style></head><body><h1 id='main-heading' class='highlight'>Welcome to HtmlAgilityPack</h1><p>This is a <span class='highlight'>simple</span> example.</p><a href='https://example.com' target='_blank'>Visit Example.com</a><ul id='items'><li class='item'>Item 1</li><li class='item'>Item 2</li><li class='item'>Item 3</li></ul><input type='text' id='username' value='JohnDoe' /><input type='password' id='password' /></body></html>";// 1. **加载 HTML 文档**HtmlDocument document = new HtmlDocument();document.LoadHtml(html);// 2. **选择元素**// 使用 XPath 选择所有具有 class 'highlight' 的元素var highlights = document.DocumentNode.SelectNodes("//*[@class='highlight']");Console.WriteLine("Elements with class 'highlight':");foreach (var elem in highlights){Console.WriteLine($"- <{elem.Name}>: {elem.InnerText}");}// 使用 ID 选择器选择特定元素var mainHeading = document.GetElementbyId("main-heading");if (mainHeading != null){Console.WriteLine($"\nElement with ID 'main-heading': {mainHeading.InnerText}");}// 选择所有 <a> 标签var links = document.DocumentNode.SelectNodes("//a");Console.WriteLine("\nAll <a> elements:");foreach (var link in links){Console.WriteLine($"- Text: {link.InnerText}, Href: {link.GetAttributeValue("href", "")}, Target: {link.GetAttributeValue("target", "")}");}// 选择所有具有 class 'item' 的 <li> 元素var items = document.DocumentNode.SelectNodes("//li[@class='item']");Console.WriteLine("\nList items with class 'item':");foreach (var item in items){Console.WriteLine($"- {item.InnerText}");}// 选择特定类型的输入元素var textInput = document.DocumentNode.SelectSingleNode("//input[@type='text']");var passwordInput = document.DocumentNode.SelectSingleNode("//input[@type='password']");Console.WriteLine($"\nText Input Value: {textInput.GetAttributeValue("value", "")}");Console.WriteLine($"Password Input Value: {passwordInput.GetAttributeValue("value", "")}");// 3. **提取和修改属性**// 获取第一个链接的 href 属性string firstLinkHref = links.First().GetAttributeValue("href", "");Console.WriteLine($"\nFirst link href: {firstLinkHref}");// 修改第一个链接的 href 属性links.First().SetAttributeValue("href", "https://newexample.com");Console.WriteLine($"Modified first link href: {links.First().GetAttributeValue("href", "")}");// 4. **提取和修改文本内容**// 获取第一个段落的文本内容var firstParagraph = document.DocumentNode.SelectSingleNode("//p");Console.WriteLine($"\nFirst paragraph text: {firstParagraph.InnerText}");// 修改第一个段落的文本内容firstParagraph.InnerHtml = "This is an <strong>updated</strong> example.";Console.WriteLine($"Modified first paragraph HTML: {firstParagraph.InnerHtml}");// 5. **操作样式**// 获取元素的 class 属性string h1Classes = mainHeading.GetAttributeValue("class", "");Console.WriteLine($"\nMain heading classes: {h1Classes}");// 添加一个新的 classmainHeading.SetAttributeValue("class", h1Classes + " new-class");Console.WriteLine($"Main heading classes after adding 'new-class': {mainHeading.GetAttributeValue("class", "")}");// 移除一个 class (手动实现，HtmlAgilityPack 不支持内置的 class 操作)h1Classes = mainHeading.GetAttributeValue("class", "").Replace("highlight", "").Trim();mainHeading.SetAttributeValue("class", h1Classes);Console.WriteLine($"Main heading classes after removing 'highlight': {mainHeading.GetAttributeValue("class", "")}");// 6. **遍历和查询 DOM**// 遍历所有子节点的标签名Console.WriteLine("\nChild elements of <body>:");var bodyChildren = document.DocumentNode.SelectSingleNode("//body").ChildNodes;foreach (var child in bodyChildren){if (child.NodeType == HtmlNodeType.Element){Console.WriteLine($"- <{child.Name}>");}}// 查找包含特定文本的元素var elementsWithText = document.DocumentNode.SelectNodes("//*[contains(text(), 'simple')]");Console.WriteLine("\nElements containing the text 'simple':");foreach (var elem in elementsWithText){Console.WriteLine($"- <{elem.Name}>: {elem.InnerText}");}// 7. **生成和输出修改后的 HTML**string modifiedHtml = document.DocumentNode.OuterHtml;Console.WriteLine("\nModified HTML:");Console.WriteLine(modifiedHtml);}
}

4. 代码详解

1.加载html文档

HtmlDocument document = new HtmlDocument();
document.LoadHtml(html);

2.选择元素

使用 XPath 选择所有具有相同特征的元素集合 .SelectNodes("XPath");
```
var elements = document.DocumentNode.SelectNodes("//*[@class='class']");
```

通过 XPath 选择具有独立性的单一元素 .SelectSingleNode("XPath");

var div = document.DocumentNode.SelectSingleNode("//div[@id='title-content']");

使用 ID 选择器选择特定元素 .GetElementbyId("id");
```
var element = document.GetElementbyId("id");
```
获取子节点（注意这里是直接子节点集合，即第一级的子节点。不包括更深层次的子孙节点。）.ChildNodes;
```
var bodyChildren = document.DocumentNode.SelectSingleNode("//body").ChildNodes;
```
获取元素的第一个子节点 .First();
```
var firstChildNode = element.First();
```

3. 提取属性

假设我们要对下面这个 element 进行操作

var element = document.GetElementbyId("id");

提取元素内部 html
```
string innerHtml = element.InnerHtml;
```
提取含元素自身的 html
```
string outerHtml = element.OuterHtml;
```
提取文本
```
string text= element.InnerText;
```

提取属性

string _value = element.GetAttributeValue("value", "");

提取 href

string href = element.GetAttributeValue("href", "");

4.修改属性

修改 href

element.SetAttributeValue("href", "https://newexample.com");

添加 class

 element.SetAttributeValue("class", oldClasses + " new-class");

修改 class

// 移除一个 class (手动实现，HtmlAgilityPack 不支持内置的 class 操作)
newClasses = element.GetAttributeValue("class", "").Replace("highlight", "").Trim();
element.SetAttributeValue("class", newClasses);

5.常用的几种获取元素的 XPath 写法

通过 id 获取

var element = document.DocumentNode.SelectSingleNode("//*[@id='id']");

通过 class 获取

var element = document.DocumentNode.SelectNodes("//*[@class='class']");

通过匹配文本获取

var elementsWithText = document.DocumentNode.SelectNodes("//*[contains(text(), 'simple')]");

通过 class 和匹配文本相结合获取

var elements = doc.DocumentNode.SelectNodes("//span[@class='title-content-title' and contains(text(), '包含的文本')]");

HtmlAgilityPack 操作详解

目录 1.安装 HtmlAgilityPack 2. 示例 HTML 3. 使用 HtmlAgilityPack 进行 HTML 解析与操作 4. 代码详解 1.加载html文档 2.选择元素 3. 提取属性 4.修改属性 5.常用的几种获取元素的 XPath 写法 HtmlAgilityPack： 轻量且高效，适合进行常规的 H…...

编程日记 2024/11/2 15:05:07

基于SSM医院门诊互联电子病历管理系统的设计

管理员账户功能包括：系统首页，个人中心，用户管理，医生管理，项目分类管理，项目信息管理，预约信息管理，检查信息管理，系统管理用户账号功能包括：系统首页&…...

编程日记 2024/11/2 15:04:06

【读书笔记/深入理解K8S】集群网络

前言上一章讲了集群控制器的一个大概的原理，这一章讲一下集群网络。网络是集群通信的载体，因为该书是阿里云团队出品的，所以也以阿里云的集群网络方案为例，其他云厂商的网络集群方案一般来说也大同小异。所以通过本章的学习&…...

编程日记 2024/11/2 15:02:04

【专有网络VPC】连接公网

通过ECS实例固定公网IP、弹性公网IP、NAT网关、负载均衡使专有网络中的云资源可以访问公网（Internet）或被公网访问。概述专有网络是您自定义的云上私有网络。专有网络中的云资源默认无法访问公网，也无法被公网访问。您可以通过配置ECS实例…...

编程日记 2024/11/2 15:01:03

论文 | Legal Prompt Engineering for Multilingual Legal Judgement Prediction

这篇文章探讨了如何利用“法律提示工程”（LPE）来指导大型语言模型（LLM）进行多语言法律判决预测（LJP）。主要内容： LPE 的概念： LPE 是指通过设计特定的提示（promp…...

编程日记 2024/11/2 15:00:02

国科安芯抗辐照MCU和CANFD芯片发布

国科安芯科技有限公司近期发布了两款重要的芯片产品：抗辐照MCU芯片和抗辐照CANFD芯片。这两款芯片的发布标志着国科安芯在高性能、高安全性芯片产品研制方面取得了显著进展，特别是在抗辐照技术领域。 1. 抗辐照MCU芯片：国科安芯研发的AS32A4…...

编程日记 2024/11/2 14:58:00

C++ 并发专题 - 无锁数据结构（概述）

一：概述： 无锁数据结构是一种在多线程环境中实现线程安全的结构，它允许多个线程在没有传统锁机制的情况下并发访问和修改数据。这种设计的目标是提高程序的性能和响应性，避免锁竞争和上下文切换的开销。二：原理&…...

编程日记 2024/11/2 14:54:58

NLP领域的经典算法和模型

在自然语言处理（NLP）领域，经典算法和模型众多，它们在不同任务中发挥着重要作用。以下是一些NLP领域的经典算法和模型的详细介绍： 一、基础模型词袋模型（Bag of Words，BoW） 原理&a…...

编程日记 2024/11/2 14:49:49

提升安全上网体验：Windows 11 启用 DOH（阿里公共DNS）

文章目录阿里公共 DNS 介绍免费开通云解析 DNS 服务Windows 编辑 DNS 设置配置 IPv4配置 IPv6 路由器配置 DNS 阿里公共 DNS 介绍 https://alidns.com/ 免费开通云解析 DNS 服务 https://dnsnext.console.aliyun.com/pubDNS 开通服务后，获取 DOH 模板&#xff0…...

编程日记 2024/11/2 14:47:47

论文概览 |《Journal of Transport Geography》2024.10 Vol.120

本次给大家整理的是《Journal of Transport Geography》杂志2024年9月第120卷的论文的题目和摘要，一共包括17篇SCI论文！ 论文1 Modelling scenarios in planning for future employment growth in Stockholm 斯德哥尔摩未来就业增长规划情景建模【摘要…...

编程日记 2024/11/2 14:46:46

yum不能使用: cannot find a valid baseurl for repo: base/7/x86_64

使用yum命令时报错： 原因： CentOS 已经停止维护的问题。2020 年 12 月 8 号，CentOS 官方宣布了停止维护 CentOS Linux 的计划，并推出了 CentOS Stream 项目，CentOS Linux 8 作为 RHEL 8 的复刻版本，生命周期…...

编程日记 2024/11/2 14:43:43

什么品牌的护眼台灯比较好？五款护眼效果比较明显的护眼台灯

在当今信息爆炸的时代背景下，挑选一款真正符合个人需求的护眼台灯，确实是一项不小的挑战。市场上品牌众多、型号繁杂，功能特点各不相同，价格区间也相当广泛，许多消费者在选购时往往感到迷茫不已。当大家询问“什么品牌…...

编程日记 2024/11/2 14:40:40

HTML 表单设计与验证

创建 HTML 表单的步骤如下： 使用 <form> 标签来创建表单，<form> 标签有一个 action 属性，用于指定表单提交的目标 URL。在 <form> 标签内部，使用 <input> 标签来创建输入框。<input> 标签有一个 …...

编程日记 2024/11/2 14:39:39

qt QDialog详解

1、概述 QDialog是Qt框架中用于创建对话框的类，它继承自QWidget。QDialog提供了一个模态或非模态的对话框，用于与用户进行交互。模态对话框会阻塞其他窗口的输入，直到用户关闭该对话框；而非模态对话框则允许用户同时与多个窗口进…...

编程日记 2024/11/2 14:36:36

supervisor服务“Exited too quickly“解决方案

【初始问题】supervisor创建一个守护进程，老是提示启动失败【结论】进程执行后，短时间就断开了 Ⅰ 问题分析 supervisor开启进程守护失败了，查看下进程执行记录，显示这个进程的指令执行报错了接下来，查看下superv…...

编程日记 2024/11/2 14:35:35

动态规划 —— 路径问题-地下城游戏

1. 地下城游戏题目链接： 174. 地下城游戏 - 力扣（LeetCode）https://leetcode.cn/problems/dungeon-game/description/ 2. 算法原理状态表示：以莫一个位置位置为结尾或者以莫一个位置为起点 dp[i，j]表示&#xff1a…...

编程日记 2024/11/2 14:30:30

沈阳乐晟睿浩科技有限公司抖音小店短视频时代的电商蓝海

在数字化浪潮席卷全球的今天，电子商务以其独特的魅力和无限的潜力，成为了推动经济发展的新引擎。作为这一领域的佼佼者，沈阳乐晟睿浩科技有限公司凭借其深厚的行业积淀与创新精神，正逐步成为众多商家在抖音小店平台上腾飞的强大助…...

编程日记 2024/11/2 14:29:28

ubuntu20.04安装ros与rosdep

目录前置配置配置apt清华源配置ros软件源添加ros安装源（中科大软件源） 设置秘钥更新源 ros安装安装ros 初始化 rosdep 更新 rosdep 设置环境变量安装 rosinstall 安装验证启动海龟仿真器操控海龟仿真器 rosdep安装更新安装使用…...

编程日记 2024/11/2 14:28:27

推理加速papers

《A Survey on Efficient Inference for Large Language Models》2024-07 1. Q、K、V的计算，都是矩阵乘法； 2. prefilling阶段，每次计算，Q是N个向量一起；decoding阶段，每次计算，Q是1个向量计算&…...

编程日记 2024/11/2 14:26:25

【02基础】- RabbitMQ基础

目录 2- RabbitMQ2-1 介绍和安装安装 2-2 RabbitMQ 快速入门2-3 RabbitMQ 数据隔离 3- Java客户端3-1 快速入门AMQP快速入门📑小结：SpringAMQP如何收发消息？ 3-2 WorkQueues 任务模型案例-使用 WorkQueue 单队列绑定多消费者📑小结…...

编程日记 2024/11/2 14:25:25

2025-06-02-IP 地址规划及案例分析

IP 地址规划及案例分析参考资料 Plan for IP addressing - Cloud Adoption Frameworkwww.cnblogs.comimage-hosting/articles at master jonsam-ng/image-hosting 概述在网络通信中，MAC 地址与 IP 地址分别位于 OSI 模型的数据链路层和网络层，二者协…...

编程新知 2025/6/9 18:58:35

自动驾驶科普(百度Apollo)学习笔记

1. 写在前面在过去的几年里，自动驾驶技术取得飞速发展，人类社会正逐渐走向一个新时代，这个时代中，汽车不仅仅是一个交通工具，更是一个智能的、能够感知环境、做出决策并自主导航的机器伙伴。现在正好也从事这块的工作…...

编程新知 2025/6/9 15:38:57

【学习笔记】深入理解Java虚拟机学习笔记——第3章垃圾收集器与内存分配策略

第3章垃圾收集器与内存分配策略 3.1 概述略 3.2 对象已死？ “死去”即不可能以任何途径访问到 3.2.1 引用计数算法每个对象维护一个计数器，引用即加1，引用失效便减1。 3.2.2 可达性分析算法（主流） 即根据GC…...

编程新知 2025/6/9 15:35:51

Docker 部署 Python 的 Flask项目

文章目录一、构建运行 Docker 容器1. 查找合适镜像2.本地docker 拉取镜像3.项目配置1. python项目下生成 requirements.txt 依赖文件2. 生成Dockerfile文件3.忽略不必要文件4. 构建镜像 4. 运行容器5.测试二、常见问题与解决方案一、构建运行 Docker 容器 1. 查找合适镜像 …...

编程新知 2025/6/9 15:05:55

CppCon 2015 学习:Memory and C++ debugging at Electronic Arts

这是关于 C 游戏开发中内存接口与调试工具演进的介绍，主要回顾了从早期到现在平台上的内存与调试策略变化： 游戏平台演进与内存接口编程风格 2000年 (PlayStation 2) 编程风格偏向嵌入式 C 风格。系统资源有限（例如 32MB RAM）…...

编程新知 2025/6/9 14:03:39

PublishSubject、ReplaySubject、BehaviorSubject、AsyncSubject的区别

python容易编辑，因此用pyrx代替rxjava3做演示会比较快捷。 pyrx安装命令： pip install rx 一、Subject（相当于 RxJava 的 PublishSubject） PublishSubject PublishSubject 将对观察者发送订阅后产生的元素，而在订阅前…...

编程新知 2025/6/9 13:20:15