免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

在搜索引擎的開發(fā)中，我們需要對(duì)網(wǎng)頁的Html內(nèi)容進(jìn)行檢索，難免的就需要對(duì)Html進(jìn)行解析。拆分每一個(gè)節(jié)點(diǎn)并且獲取節(jié)點(diǎn)間的內(nèi)容。此文介紹兩種C#解析Html的方法。

C#解析Html的第一種方法：

用System.Net.WebClient下載Web Page存到本地文件或者String中，用正則表達(dá)式來分析。這個(gè)方法可以用在Web Crawler等需要分析很多Web Page的應(yīng)用中。

估計(jì)這也是大家最直接，最容易想到的一個(gè)方法。

轉(zhuǎn)自網(wǎng)上的一個(gè)實(shí)例：所有的href都抽取出來：

1. using System;
2. using System.Net;
3. using System.Text;
4. using System.Text.RegularExpressions;
5. namespace HttpGet
6. {
7.     class Class1
8.     {
9.         [STAThread]
10.         static void Main(string[] args)
11.         {
12.             System.Net.WebClient client = new WebClient();
13.             byte[] page = client.DownloadData(“http://www.google.com”);
14.             string content = System.Text.Encoding.UTF8.GetString(page);
15.             string regex = ”href=[\"\'](http:\/\/|\.\/|\/)?\w (\.\w )*(\/\w (\.\w )?)*(\/|\?\w*=\w*(&\w*=\w*)*)?[\"\']“;
16.             Regex re = new Regex(regex);
17.             MatchCollection matches = re.Matches(content);
19.             System.Collections.IEnumerator enu = matches.GetEnumerator();
20.             while (enu.MoveNext() && enu.Current != null)
21.             {
22.                 Match match = (Match)(enu.Current);
23.                 Console.Write(match.Value   ”rn”);
24.             }
25.         }
26.     }
27. }

一些爬蟲的HTML解析中也是用的類似的方法。

C#解析Html的第二種方法：

利用Winista.Htmlparser.Net 解析Html。這是.NET平臺(tái)下解析Html的開源代碼，網(wǎng)上有源碼下載，百度一下就能搜到，這里就不提供了。并且有英文的幫助文檔。找不到的留下郵箱。

個(gè)人認(rèn)為這是.net平臺(tái)下解析html不錯(cuò)的解決方案，基本上能夠滿足我們對(duì)html的解析工作。

自己做了個(gè)實(shí)例：

1. using System;
2. using System.Collections.Generic;
3. using System.ComponentModel;
4. using System.Data;
5. using System.Drawing;
6. using System.Linq;
7. using System.Text;
8. using System.Windows.Forms;
9. using Winista.Text.HtmlParser;
10. using Winista.Text.HtmlParser.Lex;
11. using Winista.Text.HtmlParser.Util;
12. using Winista.Text.HtmlParser.Tags;
13. using Winista.Text.HtmlParser.Filters;
16. namespace HTMLParser
17. {
18.     public partial class Form1 : Form
19.     {
20.         public Form1()
21.         {
22.             InitializeComponent();
23.             AddUrl();
24.         }
26.         private void btnParser_Click(object sender, EventArgs e)
27.         {
28.             #region 獲得網(wǎng)頁的html
29.             try
30.             {
32.                 txtHtmlWhole.Text = ”";
33.                 string url = CBUrl.SelectedItem.ToString().Trim();
34.                 System.Net.WebClient aWebClient = new System.Net.WebClient();
35.                 aWebClient.Encoding = System.Text.Encoding.Default;
36.                 string html = aWebClient.DownloadString(url);
37.                 txtHtmlWhole.Text = html;
38.             }
39.             catch (Exception ex)
40.             {
41.                 MessageBox.Show(ex.Message);
42.             }
43.             #endregion
45.             #region 分析網(wǎng)頁html節(jié)點(diǎn)
46.             Lexer lexer = new Lexer(this.txtHtmlWhole.Text);
47.             Parser parser = new Parser(lexer);
48.             NodeList htmlNodes = parser.Parse(null);
49.             this.treeView1.Nodes.Clear();
50.             this.treeView1.Nodes.Add(“root”);
51.             TreeNode treeRoot = this.treeView1.Nodes[0];
52.             for (int i = 0; i <  htmlNodes.Count; i )
53.             {
54.                 this.RecursionHtmlNode(treeRoot, htmlNodes[i], false);
55.             }
57.             #endregion
59.         }
61.         private void RecursionHtmlNode(TreeNode treeNode, INode htmlNode, bool siblingRequired)
62.         {
63.             if (htmlNode == null || treeNode == null) return;
65.             TreeNode current = treeNode;
66.             TreeNode content ;
67.             //current node
68.             if (htmlNode is ITag)
69.             {
70.                 ITag tag = (htmlNode as ITag);
71.                 if (!tag.IsEndTag())
72.                 {
73.                     string nodeString = tag.TagName;
74.                     if (tag.Attributes != null && tag.Attributes.Count > 0)
75.                     {
76.                         if (tag.Attributes["ID"] != null)
77.                         {
78.                             nodeString = nodeString   ” { id=”"   tag.Attributes["ID"].ToString()   ”" }”;
79.                         }
80.                         if (tag.Attributes["HREF"] != null)
81.                         {
82.                             nodeString = nodeString   ” { href=”"   tag.Attributes["HREF"].ToString()   ”" }”;
83.                         }
84.                     }
86.                     current = new TreeNode(nodeString);
87.                     treeNode.Nodes.Add(current);
88.                 }
89.             }
91.             //獲取節(jié)點(diǎn)間的內(nèi)容
92.             if (htmlNode.Children != null && htmlNode.Children.Count > 0)
93.             {
94.                 this.RecursionHtmlNode(current, htmlNode.FirstChild, true);
95.                 content = new TreeNode(htmlNode.FirstChild.GetText());
96.                 treeNode.Nodes.Add(content);
97.             }
99.             //the sibling nodes
100.             if (siblingRequired)
101.             {
102.                 INode sibling = htmlNode.NextSibling;
103.                 while (sibling != null)
104.                 {
105.                     this.RecursionHtmlNode(treeNode, sibling, false);
106.                     sibling = sibling.NextSibling;
107.                 }
108.             }
109.         }
110.         private void AddUrl()
111.         {
112.             CBUrl.Items.Add(“http://www.hao123.com”);
113.             CBUrl.Items.Add(“http://www.sina.com”);
114.             CBUrl.Items.Add(“http://www.heuet.edu.cn”);
115.         }
119.     }
120. }

運(yùn)行效果：

實(shí)現(xiàn)取來很容易，結(jié)合Winista.Htmlparser源碼很快就可以實(shí)現(xiàn)想要的效果。

小結(jié)：

簡(jiǎn)單介紹了兩種C#解析Html的的方法，大家有什么其他好的方法還望指教。