我读过 HTMLAgility 1.4是抓取网页的一个很好的解决方案。作为一名新程序员，我希望我能对这个项目有所投入。
我这样做是作为 C#申请表。我正在使用的页面非常简单。我需要的信息只停留在 2 个标签之间 <table class="data">和 </table> .
我的目标是提取 Part-Num 的数据, Manu-Number , Description , Manu-Country , Last Modified , Last Modified By , 出页面并将数据发送到SQL表。
一个转折点是还有一个小的 PNG还需要从 src="/partcode/number 中抓取的图片.
我没有任何完整的可用代码。我认为这段代码会告诉我我是否正朝着正确的方向前进。即使进入调试，我也看不到它有任何作用。有人可以指出我正确的方向吗？越详细越好，因为显然我还有很多东西要学。
谢谢你，我真的很感激。
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using HtmlAgilityPack;
using System.Xml;
namespace Stats
{
class PartParser
{
static void Main(string[] args)
{
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://localhost");
//My understanding this reads the entire page in?
var tables = doc.DocumentNode.SelectNodes("//table");
// I assume that this sets up the search for words containing table
}
catch (Exception ex)
{
Console.WriteLine(ex.Message);
Console.WriteLine(ex.StackTrace);
Console.ReadKey();
}
}
}
网页代码是:
<!DOCTYPE html
PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
<head>
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8" />
<title>Part Number Database: Item Record</title>
<table class="data">
<tr><td>Part-Num</td><td width="50"></td><td>
<img src="/partcode/number/072140" alt="072140"/></td></tr>
<tr><td>Manu-Number</td><td width="50"></td><td>
<img src="/partcode/manu/00721408" alt="00721408" /></td></tr>
<tr><td>Description</td><td></td><td>Widget 3.5</td></tr>
<tr><td>Manu-Country</td><td></td><td>United States</td></tr>
<tr><td>Last Modified</td><td></td><td>26 Jan 2009, 8:08 PM</td></tr>
<tr><td>Last Modified By</td><td></td><td>Manu</td></tr>
</table>
<head/>
</html>
最佳答案
开始部分关闭:
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://localhost");
LoadHtml(html) 将 html 字符串加载到文档中，我认为您需要这样的东西:
HtmlWeb htmlWeb = new HtmlWeb();
HtmlDocument doc = htmlWeb.Load("http://stackoverflow.com");
关于c# - 使用 C# 和 HTMLAgility 抓取网页，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5320231/