使用HtmlAgilityPack批量抓取网页数据

时间:2023-03-08 16:39:06

原文:使用HtmlAgilityPack批量抓取网页数据

相关软件点击下载

登录的处理。因为有些网页数据需要登陆后才能提取。这里要使用ieHTTPHeaders来提取登录时的提交信息。

抓取网页

使用HtmlAgilityPack批量抓取网页数据 HtmlAgilityPack.HtmlDocument htmlDoc;
使用HtmlAgilityPack批量抓取网页数据
使用HtmlAgilityPack批量抓取网页数据            if (!string.IsNullOrEmpty(登录URL))
使用HtmlAgilityPack批量抓取网页数据使用HtmlAgilityPack批量抓取网页数据            {
使用HtmlAgilityPack批量抓取网页数据                htmlDoc = htmlWeb.Load(登录URL, 提交的用户验证信息, 获取数据的网页URL);
使用HtmlAgilityPack批量抓取网页数据            }
使用HtmlAgilityPack批量抓取网页数据            else
使用HtmlAgilityPack批量抓取网页数据使用HtmlAgilityPack批量抓取网页数据            {
使用HtmlAgilityPack批量抓取网页数据                htmlDoc = htmlWeb.Load(获取数据的网页URL);
使用HtmlAgilityPack批量抓取网页数据            }
使用HtmlAgilityPack批量抓取网页数据        
使用HtmlAgilityPack批量抓取网页数据 ArrayList list = new ArrayList();
使用HtmlAgilityPack批量抓取网页数据            list.add("//table/tr[1]/td");
使用HtmlAgilityPack批量抓取网页数据            list.add("//table/tr[2]/td");
使用HtmlAgilityPack批量抓取网页数据            //获取循环的节点的xpath,比如://table/tr
使用HtmlAgilityPack批量抓取网页数据            HtmlNodeCollection repeatNodes = htmlDoc.DocumentNode.SelectNodes("//table/tr");
使用HtmlAgilityPack批量抓取网页数据
使用HtmlAgilityPack批量抓取网页数据            //循环节点
使用HtmlAgilityPack批量抓取网页数据            foreach (HtmlNode node in repeatNodes)
使用HtmlAgilityPack批量抓取网页数据使用HtmlAgilityPack批量抓取网页数据            {
使用HtmlAgilityPack批量抓取网页数据                //循环获取数据
使用HtmlAgilityPack批量抓取网页数据                foreach (string dataPath in list)
使用HtmlAgilityPack批量抓取网页数据使用HtmlAgilityPack批量抓取网页数据                {
使用HtmlAgilityPack批量抓取网页数据
使用HtmlAgilityPack批量抓取网页数据                    HtmlNode dataNode = node.SelectSingleNode(list);
使用HtmlAgilityPack批量抓取网页数据                    if (dataNode != null)
使用HtmlAgilityPack批量抓取网页数据使用HtmlAgilityPack批量抓取网页数据                    {
使用HtmlAgilityPack批量抓取网页数据                        string text = dataNode.InnerText;
使用HtmlAgilityPack批量抓取网页数据                    }
使用HtmlAgilityPack批量抓取网页数据
使用HtmlAgilityPack批量抓取网页数据                }
使用HtmlAgilityPack批量抓取网页数据            }

如果出现乱码,调整编码集为gb2312或者是utf-8

使用HtmlAgilityPack批量抓取网页数据htmlWeb.DefaultEncoding = System.Text.Encoding.GetEncoding(strEncode);

-------------------------------------------------------------------------------------------

using System;

using System.Collections.Generic;

using System.Text;

using Microsoft.VisualStudio.TestTools.WebTesting;

using HtmlAgilityPack;

public class WebTest1Coded : WebTest

{

public override IEnumerator<WebTestRequest> GetRequestEnumerator()

{

WebTestRequest request1 = new WebTestRequest("http://www.microsoft.com/");

request1.ValidateResponse += new EventHandler<ValidationEventArgs>(request1_ValidateResponse);

yield return request1;

}

void request1_ValidateResponse(object sender, ValidationEventArgs e)

{

//load the response body string as an HtmlAgilityPack.HtmlDocument

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();

doc.LoadHtml(e.Response.BodyString);

//locate the "Nav" element

HtmlNode navNode = doc.GetElementbyId("Nav");

//pick the first <li> element

HtmlNode firstNavItemNode = navNode.SelectSingleNode(".//li");

//validate the first list item in the Nav element says "Windows"

e.IsValid = firstNavItemNode.InnerText == "Windows";

}

}