使用 Htmlagility 从 url 解析表格

Question

我是 C# 的初学者，我正在尝试学习如何使用 htmlagility 从网站获取（提取）table 数据，然后在我的应用程序中显示它。

有人知道为什么 .Load 不起作用吗？或者仅通过 UWP 编码不起作用？

编译器说“HtmlWeb”不包含 'Load' 的定义，并且找不到接受类型 'HtmlAgilityPack.HtmlWeb' 的第一个参数的扩展方法 'Load'（您是否缺少using 指令或程序集引用？）。

为什么会这样，如何解决？

public class  HtmlWeb{

public HtmlWeb()

{
    string Url = "http://google.de";

    HtmlWeb htmlWeb = new HtmlWeb();

    HtmlAgilityPack.HtmlDocument document = htmlWeb.Load(Url);

谢谢大家X.L

Answer 1

如前所述，您需要编写自己的 Load(string url) 函数。我很无聊，以前从未听说过 HtmlAgilityPack，所以我模拟了一些你可以使用的东西。它读取 url http://www.w3schools.com/html/html_tables.asp 并找到所有 <table> 节点，然后遍历它们以找到所有 <td> 和 <th> 节点。然后将所有单元格内部文本写入页面

这是 aspx 页面

<%@ Page Language="C#" AutoEventWireup="true" CodeBehind="WebForm1.aspx.cs" Inherits="WebApplication5.WebForm1" %>
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
<head runat="server">
    <title>HtmlAgilityPack quasi table parser</title>
</head>
<body>
    <h1>Number of tables <asp:Literal ID="litNumTables" runat="server" /></h1>
    <strong>Each &lt;th&gt; and &lt;td&gt; node of each &lt;table&gt; [table][row][cell]</strong>
    <ul>
        <asp:Repeater ID="rptTrNodes" Runat="server">
            <ItemTemplate>
                <li>
                <%# Container.DataItem.ToString() %>
                </li>
            </ItemTemplate>
        </asp:Repeater>
    </ul>
</body>
</html>

这是 C# 代码：

using System;
using System.Linq;
using HtmlAgilityPack;
using System.Net;
using System.Collections.Generic;

namespace WebApplication5
{
    public partial class WebForm1 : System.Web.UI.Page
    {
        protected void Page_Load(object sender, EventArgs e)
        {
            var html = new HtmlDocument();
            html.LoadHtml(new WebClient().DownloadString("http://www.w3schools.com/html/html_tables.asp"));
            var root = html.DocumentNode;
            var tableNodes = root.Descendants("table");
            var items = new List<string>();
            foreach(var tbs in tableNodes.Select((tbNodes,i) => new { tbNodes = tbNodes, i = i }))
            {
                items.Add(string.Format("<h2>&lt;table&gt; {0}<h2>", tbs.i));
                var trs = tbs.tbNodes.Descendants("tr");
                foreach(var tr in trs.Select((trNodes, j) => new { trNodes = trNodes, j = j }))
                {
                    var cellCounter = 0;
                    foreach(var cell in tr.trNodes.Descendants("th"))
                    {
                        items.Add(string.Format("&lt;th&gt; [{0}][{1}][{2}] - {3}", tbs.i, tr.j, cellCounter, cell.InnerText.Trim()));
                        cellCounter++;
                    }
                    foreach (var cell in tr.trNodes.Descendants("td"))
                    {
                        items.Add(string.Format("&lt;td&gt; [{0}][{1}][{2}] - {3}", tbs.i, tr.j, cellCounter, cell.InnerText.Trim()));
                        cellCounter++;
                    }
                }
            }
            litNumTables.Text = tableNodes.Count().ToString();
            rptTrNodes.DataSource = items;
            rptTrNodes.DataBind();
        }
    }
}

它应该是不言自明的，但如果它是您正在寻找的，那么我可以进一步解释。

使用 Htmlagility 从 url 解析表格

Parsing Tables from a url with Htmlagility

c#

parsing

html-table

html-agility-pack

uwp