你的位置:首页 > ASP.net教程

[ASP.net教程].NET 解析HTML代码——NSoup


NSoup是一个开源框架,是JSoup(Java)的.NET移植版本

1、直接用起来

NSoup.Nodes.Document htmlDoc = NSoup.NSoupClient.Parse(HTMLString);    //无需实例化

 

NSoup的强大之处在于可以用类似js的方法来获取节点元素

 

通过元素类型获取元素GetElementByTag("p")

NSoup.Select.Elements ele= htmlDoc.GetElementsByTag(TbTag.Text);foreach (var item in ele){if (item.Attr("class") == "col-sm-4 col-xs-6 listtit1")  //通过Attr(""href)可以获取元素的属性{   sb.AppendLine(item.Text());   //通过Text()方法可以获取元素中的文本内容}}

 

2、做了一个winform的小demo

关键代码:

 下面以提取一个html代码中211大学名和地点的为例:

    private void GetHtml_Click(object sender, EventArgs e)    {      //获取指定地址的Html代码      TbCode.Text = "";      string url = TbUrl.Text.Trim();      WebClient client = new WebClient();      client.Encoding = System.Text.Encoding.UTF8;      string html = client.DownloadString(url);      TbCode.Text = html;    }    private void Analysis_Click(object sender, EventArgs e)    {      NSoup.Nodes.Document htmlDoc = NSoup.NSoupClient.Parse(TbCode.Text);      NSoup.Select.Elements ele= htmlDoc.GetElementsByTag(TbTag.Text);      System.Text.StringBuilder sb=new StringBuilder();      foreach (var item in ele)      {        sb.AppendLine(item.Text());        foreach (var item1 in item.NextElementSibling.Children)        {          if (item1.Attr("class") == "col-sm-4 col-xs-6 listtit1")          {            sb.AppendLine(item1.Text());          }        }      }      TbElement.Text = sb.ToString();    }

 

html代码片段(因篇幅原因未贴全):

<h4>安徽</h4><ul class="list-unstyled clearfix">  <li class="col-sm-4 col-xs-6 listtit1"><a href="http://www.cnblogs.com//daxue/detail/detail3712.html">合肥工业大学</a></li>  <li class="col-sm-4 col-xs-6 listtit1"><a href="http://www.cnblogs.com//daxue/detail/detail3715.html">中国科学技术大学</a></li>  <li class="col-sm-4 col-xs-6 listtit1"><a href="http://www.cnblogs.com//daxue/detail/detail3716.html">安徽大学</a></li></ul>

 

效果(标签类型h4):

 

3、插入数据库代码示例(提取专业名和编号):

private void BtnInsert_Click(object sender, EventArgs e)    {      NSoup.Nodes.Document htmlDoc = NSoup.NSoupClient.Parse(TbCode.Text);      NSoup.Select.Elements eles = htmlDoc.GetElementsByTag(TbTag.Text);      string connectionString = @"这里是连接字符串";      using (SqlConnection conn = new SqlConnection(connectionString))      {        conn.Open();        foreach (var item in eles)        {          if (item.Attr("width") == "20%" && item.NextElementSibling 
              != null && item.Text().Length > 4) { string sql = "insert into Major (mId,mName) values
                      ('" +item.Text() + "','" + item.NextElementSibling.Text() + "')"; using (SqlCommand cmd = new SqlCommand(sql, conn)) { cmd.ExecuteNonQuery(); } } } conn.Close(); } }

 

Html代码片段:

<table class="cla" border="0" cellspacing="1" cellpadding="0" width="100%" bgcolor="#dedede">    <tbody>     <tr class="scon">
        <td bgcolor="#ffffff" width="20%"><strong>0101</strong></td>
        <td bgcolor="#ffffff" height="30"><strong>哲学类</strong></td>
      </tr> <tr><td bgcolor="#ffffff" width="20%">010101</td>
        <td bgcolor="#ffffff" height="30"><span class="pl20">哲学</span></td></tr> <tr><td bgcolor="#ffffff" width="20%">010102</td>
        <td bgcolor="#ffffff" height="30"><span class="pl20">逻辑学</span></td></tr> <tr><td bgcolor="#ffffff" width="20%">010103K</td>
        <td bgcolor="#ffffff" height="30"><span class="pl20">宗教学</span></td></tr> </tbody></table>

 

方法有很多种,就不一一列举了,可以多试几种,当然熟悉Python的朋友就不必这么麻烦了,Python有更专业的html解析器,有时间可以了解一下