Asp.net解析HTML并利用XPATH分析提取内容

======================================================
注：本文源代码点此下载
======================================================

asp.net解析html并利用xpath分析提取内容

html解析器有很多种,最常用的是htmlagilitypack和sgmlreader(http://sourceforge.net/projects/dekiwiki/files/sgmlreader/)。

这里使用的是htmlagilitypack:

下载地址:http://htmlagilitypack.codeplex.com

同时官网提供了一个自动生成xpath路径的工具hap explorer。

关于xpath表达式以及相关教程参见:xpath表达式精选[更新中...]

获取html的方式有很多种:

1.通过httpwebrequest类可实现模拟登录并获取页面信息

2.用第三方控件模拟登录,参见:正在做简历搬家功能。
       分享一下研究过程

使用方法:

首先引用htmlagilitypack的dll文件 using htmlagilitypack;

根据xpath提取内容的函数:

///

/// 根据xpath获取筛选的字符串

///

///

需要提取html的内容

///

xpath表达式

///

分隔符

/// 提取后的内容

public static string getstrbyxpath(string content, string xpath, string separ)

{

htmldocument doc1 = new htmldocument();

doc1.loadhtml(content);

htmlnodecollection repeatnodes = doc1.documentnode.selectnodes(xpath);

string text = "";

//循环节点

foreach (htmlnode node in repeatnodes)

{

text += node.innertext + separ;

}

return text;

}

绿色通道:好文要顶关注我收藏该文与我联系

posted @ 2011-05-24 15:25潇客的技术博客 阅读(434) 评论(0)编辑 收藏

======================================================
在最后，我邀请大家参加新浪APP，就是新浪免费送大家的一个空间，支持PHP+MySql，免费二级域名，免费域名绑定 这个是我邀请的地址，您通过这个链接注册即为我的好友，并获赠云豆500个，价值5元哦！短网址是http://t.cn/SXOiLh我创建的小站每天访客已经达到2000+了，每天挂广告赚50+元哦，呵呵，饭钱不愁了，\(^o^)/