标签：path 知识 开始 string des log pat default build
最近做了一个项目，要求获取各大主流网页上的关键信息，本人以前了解过网页爬虫的知识，所以想到了网页爬虫了实现功能
第一次尝试：
采用webclient获取远程网页的内容，然后采用正则表达式进行过滤
但，由于正则表达式对我来说，书写起来比较复杂，研究个大半个月，一点进展都没有，每天看着正则表达式像看天书（回头需要向正则牛逼的人请教一下）
第一次尝试失败，项目马上就要验收了，这个功能一直卡壳了，，，，，，，，
突然有一次，在网上看到了有人提及到了HtmlAgilityPack这个开源的工具包，本想着试一下的态度（因为我对这个网页解析已经不抱有希望了）
仅仅有了几行的代码，居然跟我的需求一样实现了，万分高兴（此处使用HtmlAgilityPack需要学习一下xpath的一点知识，不过那些都很简单，比起正则太easy了）
好了，废话不多说，上代码
1、去官网上下载一个HtmlAgilityPack包，地址：http://htmlagilitypack.codeplex.com/
2、根据自己项目的.net版本，选择适合的版本，引入项目
3、开始写代码了
HtmlAgilityPack基本跟所有的类一样，直接使用里面的方法和属性就行，具体可以参考官网
//获取网页指定内容
public void GetHtml()
{
string htmlpath = "http://kaijiang.aicai.com/fcssq/";
//创建对象
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
WebClient webclient = new WebClient();
webclient.Credentials = CredentialCache.DefaultCredentials;//网络凭证
Byte[] pageData = webclient.DownloadData(htmlpath);
// string pagehtml = Encoding.Default.GetString(pageData); //默认编码
string pagehtml = Encoding.UTF8.GetString(pageData);//UTF-8编码
//用htmlagilitypack 解析网页内容
//加载html
doc.LoadHtml(pagehtml);
//通过xpath 选中指定元素；xpath 参考：http://www.w3school.com.cn/xpath/xpath_syntax.asp
HtmlAgilityPack.HtmlNode htmlnode = doc.DocumentNode.SelectSingleNode("//div[@id=‘jq_openResult‘]");
StringBuilder sb = new StringBuilder();
string s = "";
HtmlAgilityPack.HtmlNodeCollection nodecollection = htmlnode.ChildNodes;
for (int i = 0; i < nodecollection.Count; i++)
{
if (nodecollection[i].InnerText.Trim()!="")
{
TextBox1.Text += nodecollection[i].InnerText + "-";
}
}
TextBox1.Text = TextBox1.Text.Substring(0, TextBox1.Text.Length - 1);
Console.WriteLine(s);
}
至此，HtmlAgilityPack就完全按照自己的要求解析出来了网页上的任何你想要的，是不是很神奇~~
标签：path 知识 开始 string des log pat default build
原文地址：http://www.cnblogs.com/sguozeng/p/6828422.html
