• 使用HtmlParser解析HTML


    如果要对HTML进行解析,提取HTML的数据或者修改HTML数据,HtmlParser是一个不错的选择.
    使用HtmlParser可以解析本地和网络上的HTML数据:
    Parser parser = new Parser( new Winista.Text.HtmlParser.Http.HttpProtocol(new Uri("uriString")));

    Parser parser = new Parser( new Winista.Text.HtmlParser.Lex.Lexer( "HtmlString" ) );

    System.IO.Stream stream = new System.IO.FileStream( "filePath" , System.IO.FileMode.Open );
    Parser parser = new Parser( new Winista.Text.HtmlParser.Lex.Lexer( new Winista.Text.HtmlParser.Lex.Page( stream ,"charSet") ) );还可以分析某些特定节点的数据,使用 NodeClassFilter 指定要分析的节点类型:
    NodeFilter filter = new NodeClassFilter( typeof( Winista.Text.HtmlParser.Tags.Div ) );使用Parser实例的Parse方法可以获得节点数组
    NodeList nodeList = parser.Parse( null );

    NodeList nodeList = parser.Parse( filter);现在分析一下的一段HTML:
    <div class="divCss" id="div_1">
        <div name="div" class="divCss" id="div_2">div_2</div>
        <table name="table" id="table_1">
            <tr>
                <td>HtmlParser</td>
                <td><div id="div_3"><font color="red">HtmlParser</font></div></td>
            </tr>
        </table>
    </div>
    txtResult是显示分析处理后的数据,txtSource是读取HTML数据的文本框
    //记录个节点的起始位置,避免重复处理
        IList<int> start = new List<int>( );
        protected void Button1_Click ( object sender , EventArgs e )
        {
            this.txtResult.Text = string.Empty;
            Lexer lexer = new Lexer( this.txtSource.Text );
            Parser parser = new Parser( lexer );
            NodeFilter filter = new NodeClassFilter( typeof( Winista.Text.HtmlParser.Tags.Div ) ); 
            NodeList nodeList = parser.Parse( null );
            if ( nodeList.Count == 0 )
                txtResult.Text = "没有符合要求的节点";
            else
            {
                for ( int i = 0 ; i < nodeList.Count ; i++ )
                {
                    paserData( nodeList[i] );
                }
            }
        }
        private ITag getTag ( INode node )
        {
            if ( node == null )
                return null;
           return  node is ITag  ? node as ITag :  null;
        }

        private void paserData ( INode node)
        {
            ITag tag = getTag( node );
            if ( tag != null && !tag.IsEndTag( ) && !start.Contains(tag.StartPosition))
            {
                object oId = tag.GetAttribute( "ID" );
                object oName = tag.GetAttribute( "name" );
                object oClass = tag.GetAttribute( "class" );
                this.txtResult.Text += tag.TagName + ":\r\nID:" + oId + " Name:" + oName+ " Class:" + oClass + " StartPosition:" + tag.StartPosition.ToString( ) + "\r\n";
                start.Add( tag.StartPosition );
            }
            //子节点
            if ( node.Children != null && node.Children.Count > 0 )
            {
                paserData( node.FirstChild );
            }
            //兄弟节点
            INode siblingNode = node.NextSibling;
            while ( siblingNode != null )
            {
                paserData( siblingNode );
                siblingNode = siblingNode.NextSibling;
            }
        }txtResult显示的数据为:
    DIV:
    ID:div_1 Name: Class:divCss StartPosition:0
    DIV:
    ID:div_2 Name:div Class:divCss StartPosition:34
    TABLE:
    ID:table_1 Name:table Class: StartPosition:90
    TR:
    ID: Name: Class: StartPosition:127
    TD:
    ID: Name: Class: StartPosition:136
    TD:
    ID: Name: Class: StartPosition:160
    DIV:
    ID:div_3 Name: Class: StartPosition:164
    FONT:
    ID: Name: Class: StartPosition:180
    HtmlParser将我们指定的数据给分析出来了,现在来对要分析的数据进行一些修改:给没有name和class属性的指定属性:
               object oId = tag.GetAttribute( "ID" );
                object oName = tag.GetAttribute( "name" );
                object oClass = tag.GetAttribute( "class" );

                if ( oName == null )

              {
                    oName = "name";
                    tag.SetAttribute( "name" , oName.ToString( ) );
                }
                if ( oClass == null )
                {
                    oClass = "class";
                    tag.SetAttribute( "name" , oClass.ToString( ) );
                }
                this.txtResult.Text += tag.TagName + ":\r\nID:" + oId + " Name:" + oName
                       + " Class:" + oClass + " StartPosition:" + tag.StartPosition.ToString( ) + "\r\n";
                start.Add( tag.StartPosition );txtResult显示的数据为:
    DIV:
    ID:div_1 Name:name Class:divCss StartPosition:0
    DIV:
    ID:div_2 Name:div Class:divCss StartPosition:34
    TABLE:
    ID:table_1 Name:table Class:class StartPosition:90
    TR:
    ID: Name:name Class:class StartPosition:127
    TD:
    ID: Name:name Class:class StartPosition:136
    TD:
    ID: Name:name Class:class StartPosition:160
    DIV:
    ID:div_3 Name:name Class:class StartPosition:164
    FONT:
    ID: Name:name Class:class StartPosition:180
    HtmlParser实现了我们的目的,现在在给节点为DIV并且ID为div_3的节点添加一个子节点:
                object oId = tag.GetAttribute( "ID" );
                object oName = tag.GetAttribute( "name" );
                object oClass = tag.GetAttribute( "class" );

    if ( tag.TagName == "DIV" && tag.GetAttribute( "ID" ) == "div_3" )
                {
                    INode newNode = new TextNode( "add a new node" );
                    tag.Children.Add( newNode );
                }
                this.txtResult.Text += tag.TagName + ":\r\nID:" + oId + " Name:" + oName
                       + " Class:" + oClass + " StartPosition:" + tag.StartPosition.ToString( ) + "\r\n";输出nodeList[0].ToHtml( ):
    <div class="divCss" id="div_1">
        <div name="div" class="divCss" id="div_2">div_2</div>
        <table name="table" id="table_1">
            <tr>
                <td>HtmlParser</td>
                <td><div id="div_3"><font color="red">HtmlParser</font>add a new node</div></td>
            </tr>
        </table>
    </div>id为div_3的div节点后面加上了要添加的数据.

  • 相关阅读:
    洛谷P1208 [USACO1.3]混合牛奶 Mixing Milk 题解 结构体排序
    信息学竞赛中C语言的输入输出
    Python 关键字参数和可变参数
    大白话讲解神经网络算法,原理如此简单!
    idea debug flink1.12 sqlClient 源码
    Flink SQL如何保证分topic有序
    Flink 1.12.0 SQL Connector支持 Oracle
    Flink实战之Flink SQL connector支持并行度配置
    java程序中执行脚本时具有的是那个用户的权限呢?
    clickhouse日期等函数的使用
  • 原文地址:https://www.cnblogs.com/xinzhyu/p/1351434.html
Copyright © 2020-2023  润新知