Parse Html Document Получить все поля ввода с идентификатором и стоимостью

c# csquery html-agility-pack

Вопрос

У меня есть несколько тысяч (ASP.net - messy html) html сгенерированных счетов-фактур, которые я пытаюсь проанализировать и сохранить в базе данных.

В принципе, как:

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

Из всех других вопросов, которые я прочитал, лучшим инструментом для этого типа проблем является HtmlAgilityPack , однако для жизни я не могу заставить файл документации .chm работать. Любые идеи о том, как я мог бы выполнить это с помощью пакета Agility или без него?

заранее спасибо

Принятый ответ

Более новой альтернативой HtmlAgilityPack является CsQuery . См. Этот более поздний вопрос о его относительных достоинствах работы, но его использование селекторов CSS не может быть избито:

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

Популярные ответы

Чтобы заставить CHM работать, вам, вероятно, необходимо просмотреть свойства в проводнике Windows и снять флажок «Разблокировать содержимое» .

Пакет HTML Agility довольно прост, когда вы знаете свой путь вокруг Linq-to-XML или XPath.

Основы, которые вам понадобятся:

//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;
    }
}

Самый простой способ добавить пакет HtmlAgility Pack - использовать NuGet :

PM> Установить пакет HtmlAgilityPack



Related

Лицензировано согласно: CC-BY-SA with attribution
Не связан с Stack Overflow
Лицензировано согласно: CC-BY-SA with attribution
Не связан с Stack Overflow