Question

我想用class="list-2"

提取html，ul的一部分

<! DOCTYPE html>
<html>
    <title>Title</title>
    <body>
        <div>
            <ul class="list-1">
                <li class="item">1</li>
                <li class="item">2</li>
                <li class="item">3</li>
            </ul>
            <ul class="list-2">
                <li class="item">11</li>
                <li class="item">22</li>
                <li class="item">33</li>
            </ul>
            <ul class="list-1">
                <li class="item">111</li>
                <li class="item">222</li>
                <li class="item">333</li>
            </ul>
        </div>
    </body>
</html>

这里我从页面中提取所有html

string url = Request.QueryString["url"];
WebClient web = new WebClient();
web.Encoding = System.Text.Encoding.GetEncoding("utf-8");
string html = web.DownloadString(url);

在这里我可以删除代码，直到我的ul

html = html.Remove(0, html.IndexOf("<ul class=\"list-2\">"));

如何仅从此ul获取代码？

提前感谢！

Answer 1

今天，2015年末，还有一些html解析器（和无头浏览器）可以做到这一点，AngleSharp，一个解析器，是一个。

注意，当使用＆＃34; WebClient＆＃34;时，不会执行任何javascript。

此示例从字符串中提取标记（在本例中为＆＃34;字符串html＆＃34;）：

// --------- your code
string url = Request.QueryString["url"];
WebClient web = new WebClient();
web.Encoding = System.Text.Encoding.GetEncoding("utf-8");
string html = web.DownloadString(url);

// --------- parser code
var parser = new HtmlParser();
var document = parser.Parse(html);

//Get the tag with CSS selectors
var ultag = document.QuerySelector("ul.list-2");

// Get the tag's html string
var ultag_html = ultag.ToHtml();

此示例加载网页并提取标记：

// Setup the configuration to support document loading
var config = Configuration.Default.WithDefaultLoader();

// Load a web page
var address = "an url";

// Asynchronously get the document in a new context using the configuration
var document = await BrowsingContext.New(config).OpenAsync(address);

// This CSS selector gets the desired content
var cssSelector = "ul.list-2";

// Perform the query to get all tags with the content
var ultag = document.QuerySelector(cssSelector);

// Get the tag's html string
var ultag_html = ultag.ToHtml();

进一步阅读/下载：

在c＃中提取html的一部分

1 个答案: