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^)/