HtmlAgilityPack
使用HtmlAgilityPack可以以面向对象的方式通过查找Html节点来获取页面元素。参考：http://html-agility-pack.net
HtmlDocument类
//方法
LoadHtml(string content);
//加载Html数据 CreateNode(string html)
//创建一个HtmlNode CreateAttribute(string attriName, string attriVal)
//创建一个属性 CreateTextNode(string text)
//创建文本 //其它参考：http://html-agility-pack.net/utilities和http://html-agility-pack.net/writer //属性
DocumentNode
//得到根节点,返回一个HtmlNode
HtmlNode类
//方法
SelectNodes(string xPath)
//获取xPath指定的节点集合 SelectSingleNode(string xPath)
//获取xPath指定的节点集合中的第一个节点 SetAttributeValue(HtmlAttribute attri | string attriName, string attriVal)
//修改当前节点的属性 PrependChild(HtmlNode node)
//在当前节点中的开始处插入新的子节点 AppendChild(HtmlNode node)
//在当前节点中的末尾处插入新的子节点 PrependChildren(HtmlNode node)
//在当前节点中的开始处的子节点的开始处插入后代节点 AppendChildren(HtmlNode node)
//在当前节点中的末尾处的子节点的末尾处插入后代节点 InsertAfter(HtmlNode node)
//在当前节点后面插入新节点，类似的有insertBefore Remove()
//移除自身 RemoveAll()
//移除自身包含的所有节点 RemoveAllChildren()
//移除自身包含的所有节点 RemoveChild(HtmlNode oldChild | HtmlNode oldChild, bool keepGrandChildren)
//keepGrandChildren：是否深度移除后代节点
//移除自身包含的由参数指定的节点 ReplaceChild(HtmlNode newChild, HtmlNode oldChild);
//在当前节点中，用newChild替换oldChild Clone()
//创建副本 CloneNode(bool deep | string name | string name, bool deep)
//deep：是否深度克隆，如果是false，则只克隆节点自身
//name：克隆的同时修改节点的标签名称，比如克隆H1的内容同时改掉结果节点的名称为H2 CopyFrom(HtmlNode node | HtmlNode node, bool deep)
//deep：是否深度拷贝，如果是false，则只拷贝节点自身
//从参数指定的节点处复制其包含的所有节点 Element()
//在当前节点中根据参数指定的名称获取一个子节点，返回单个HtmlNode Elements()
//在当前节点中根据参数指定的名称获取子节点集合，返回IEnumerable<HtmlNode>集合 Ancestors(string name)
//获取当前节点的由参数指定的名称的祖先节点，如果参数为空则获取当前节点的所有祖先节点的集合，类似的有AncestorsAndSelf()、AncestorsAndSelf(string name) Descendants(string name)
//获取当前节点的由参数指定的名称的后代节点，如果参数为空则获取当前节点的所有后代节点的集合，类似的有DescendantsAndSelf()、DescendantsAndSelf(string name) DescendantNodes()
//获取所有后代节点，类似的有DescendantNodesAndSelf() //属性
InnerHtml
//设置或获取当前节点所包含的元素节点 InnerText
//设置或获取当前节点所包含的文本 OuterHtml
//获取当前节点所包含的所有代码 ParentNode
//获取当前节点的父节点 ChildNodes
//获取所有子节点，类似的有FirstChild、LastChild、NextSibling、ParentNode
HtmlAttribute类
//方法
Add(HtmlAttribute attri | string attriName, string attriVal)
//添加一个属性，类似的有Append() Remove(string attriName)
//此方法需要属性集合调用，移除节点的由参数指定的属性，如果参数为空则移除所有属性，类似的有RemoveAll()、RemoveAt(int index)
例子：
private void Test()
{
HtmlDocument doc = new HtmlDocument();
//三种方式创建Html对象 //第一种：
//System.IO.StreamReader reader = System.IO.File.OpenText(url);
//doc.LoadHtml(reader); //第二种：
//doc.LoadHtml(url); 如果使用Load(url)会出现提示文档包含非法字符 //第三种：
//string htmlText = "<div>xxx</div>";
//doc.LoadHtml(htmlText);
string url = "http://www.weather.com.cn/weathern/101040100.shtml";
WebClient wc = new WebClient();
wc.Encoding = Encoding.GetEncoding("utf-8");
string content = wc.DownloadString(url); doc.LoadHtml(content);
HtmlNode root = doc.DocumentNode; //得到根节点
var div= root.SelectNodes("//div").Where(d => d.InnerText.Contains("sam")).SingleOrDefault();
}
附：移除注释
foreach (var comment in doc.DocumentNode.SelectNodes("//comment()").ToArray())
{
comment.Remove();//新增的代码
}