使用HtmlParser解析HTML-技术开发专区

使用HtmlParser解析HTML

作者：ITPUB论坛编辑： nancy 2008-03-21 11:05

【IT168技术文档】

如果要对HTML进行解析,提取HTML的数据或者修改HTML数据,HtmlParser是一个不错的选择.
使用HtmlParser可以解析本地和网络上的HTML数据:

Parser parser = new Parser( new Winista.Text.HtmlParser.Http.HttpProtocol(new Uri("uriString")));
Parser parser = new Parser( new Winista.Text.HtmlParser.Lex.Lexer( "HtmlString" ) );
System.IO.Stream stream = new System.IO.FileStream( "filePath" , System.IO.FileMode.Open );
Parser parser  = new Parser( new Winista.Text.HtmlParser.Lex.Lexer( new Winista.Text.HtmlParser.Lex.Page ( stream ,"charSet") ) );还可以分析某些特定节点的数据,使用 NodeClassFilter 指定要分析的节点类型:
NodeFilter filter = new NodeClassFilter( typeof( Winista.Text.HtmlParser.Tags.Div ) );使用Parser实例的Parse方法可以获得节点数组
NodeList nodeList = parser.Parse( null );
NodeList nodeList = parser.Parse( filter);现在分析一下的一段HTML:

<div class="divCss" id="div_1">
<div name="div" class="divCss" id="div_2">div_2</div>
<table name="table" id="table_1">
<tr>
<td>HtmlParser</td>
<td><div id="div_3"><font color="red">HtmlParser</font></div></td>
</tr>
</table>
</div>

txtResult是显示分析处理后的数据,txtSource是读取HTML数据的文本框

//记录个节点的起始位置,避免重复处理
    IList<int> start = new List<int>( );
protected void Button1_Click ( object sender , EventArgs e )
{
this.txtResult.Text = string.Empty;
Lexer lexer = new Lexer( this.txtSource.Text );
Parser parser = new Parser( lexer );
NodeFilter filter = new NodeClassFilter( typeof( Winista.Text.HtmlParser.Tags.Div ) );
NodeList nodeList = parser.Parse( null );
if ( nodeList.Count == 0 )
txtResult.Text = "没有符合要求的节点";
else
{
for ( int i = 0 ; i < nodeList.Count ; i++ )
{
paserData( nodeList[i] );
}
}
}
private ITag getTag ( INode node )
{
if ( node == null )
return null;
return  node is ITag  ? node as ITag :  null;
}
private void paserData ( INode node)
{
ITag tag = getTag( node );
if ( tag != null && !tag.IsEndTag( ) && !start.Contains(tag.StartPosition))
{
object oId = tag.GetAttribute( "ID" );
object oName = tag.GetAttribute( "name" );
object oClass = tag.GetAttribute( "class" );
this.txtResult.Text += tag.TagName + ":\r\nID:" + oId + " Name:" + oName + " Class:" + oClass + " StartPosition:" + tag.StartPosition.ToString( ) + "\r\n";
start.Add( tag.StartPosition );
}
//子节点
        if ( node.Children != null && node.Children.Count > 0 )
{
paserData( node.FirstChild );
}
//兄弟节点
        INode siblingNode = node.NextSibling;
while ( siblingNode != null )
{
paserData( siblingNode );
siblingNode = siblingNode.NextSibling;
}
}

关注我们