Analizza documento Html Ottieni tutti i campi di input con ID e Valore

c# csquery html-agility-pack

Domanda

Ne ho diverse migliaia (ASP.net - html disordinato) generati da html che sto cercando di analizzare e salvare in un database.

Fondamentalmente come:

 foreach(var htmlDoc in HtmlFolder)
 {
   foreach(var inputBox in htmlDoc)
   { 
      //Make Collection of ID and Values Insert to DB
   }
 }  

Da tutte le altre domande che ho letto, lo strumento migliore per questo tipo di problema è HtmlAgilityPack , tuttavia per la vita di me non riesco a far funzionare il file .chm della documentazione. Qualche idea su come potrei realizzare questo con o senza l'Agility Pack?

Grazie in anticipo

Risposta accettata

Una nuova alternativa a HtmlAgilityPack è CsQuery . Vedi questa successiva domanda sui suoi meriti relativi alle prestazioni, ma il suo uso dei selettori CSS non può essere battuto:

var doc = CQ.CreateDocumentFromFile(htmldoc); //load, parse the file
var fields = doc["input"]; //get input fields with CSS
var pairs = fields.Select(node => new Tuple<string, string>(node.Id, node.Value()))
       //get values

Risposta popolare

Per far funzionare il CHM, probabilmente devi visualizzare le proprietà in Windows Explorer e deselezionare la casella di controllo "Sblocca contenuto" .

HTML Agility Pack è abbastanza semplice quando sai come orientarti da Linq a XML o XPath.

Nozioni di base che devi sapere:

//import the HtmlAgilityPack
using HtmlAgilityPack;

HtmlDocument doc = new HtmlDocument();

// Load your data
// -----------------------------
// Load doc from file:
doc.Load(pathToFile);

// OR

// Load doc from string:
doc.LoadHtml(contentsOfFile);
// -----------------------------

// Find what you're after
// -----------------------------
// Finding things using Linq
var nodes = doc.DocumentNode.DescendantsAndSelf("input")
    .Where(node => !string.IsNullOrWhitespace(node.Id)
        && node.Attributes["value"] != null
        && !string.IsNullOrWhitespace(node.Attributes["value"].Value));

// OR

// Finding things using XPath
var nodes = doc.DocumentNode
    .SelectNodes("//input[not(@id='') and not(@value='')]");
// -----------------------------


// looping through the nodes:
// the XPath interfaces can return null when no nodes are found
if (nodes != null) 
{ 
    foreach (var node in nodes)
    {
        var id = node.Id;
        var value = node.Attributes["value"].Value;
    }
}

Il modo più semplice per aggiungere HtmlAgility Pack è l'utilizzo di NuGet :

PM> Install-Package HtmlAgilityPack




Autorizzato sotto: CC-BY-SA with attribution
Non affiliato con Stack Overflow
È legale questo KB? Sì, impara il perché
Autorizzato sotto: CC-BY-SA with attribution
Non affiliato con Stack Overflow
È legale questo KB? Sì, impara il perché