AngleSharp 是一個功能強大的 .NET 庫，用于解析 HTML、XML 和 CSS。它提供了一個直觀的 API，使得在 C# 中處理 Web 文檔變得簡單高效。本文將詳細介紹 AngleSharp 的使用方法，并提供多個實用的例子。
1. 安裝
首先，通過 NuGet 包管理器安裝 AngleSharp：
Install-Package AngleSharp
2. 基本用法
2.1 解析 HTML 文檔
using AngleSharp;using AngleSharp.Dom;using System;
class Program{ static async Task Main(string[] args) { // 配置 AngleSharp var config = Configuration.Default; // 創建一個新的上下文 var context = BrowsingContext.New(config);
// 解析 HTML 字符串 var html = "<html><body><h1>Hello, AngleSharp!</h1></body></html>"; var document = await context.OpenAsync(req => req.Content(html));
// 獲取并打印 h1 元素的文本 var h1 = document.QuerySelector("h1"); Console.WriteLine(h1.TextContent); // 輸出: Hello, AngleSharp! }}
2.2 從 URL 加載文檔
static async Task Main(string[] args){ var config = Configuration.Default.WithDefaultLoader(); var context = BrowsingContext.New(config);
var document = await context.OpenAsync("https://www.163.com");
var title = document.QuerySelector("title"); Console.WriteLine($"Page title: {title.TextContent}");}
3. 高級用法
3.1 選擇元素
AngleSharp 支持多種選擇元素的方法：
static async Task Main(string[] args){ var config = Configuration.Default.WithDefaultLoader(); var context = BrowsingContext.New(config);
var document = await context.OpenAsync("https://www.cnblogs.com/");
// 通過 ID 選擇 var elementById = document.GetElementById("myId");
// 通過類名選擇 var elementsByClass = document.GetElementsByClassName("post-item-title"); foreach (var element in elementsByClass) { Console.WriteLine(element.TextContent); }
// 通過標簽名選擇 var elementsByTag = document.GetElementsByTagName("div");
// 使用 CSS 選擇器 var elementBySelector = document.QuerySelectorAll(".post-item-text > p"); foreach (var element in elementBySelector) { Console.WriteLine(element.TextContent); }
var elementsBySelector = document.QuerySelectorAll("div.myClass");
foreach (var element in elementsBySelector) { Console.WriteLine(element.TextContent); }}
3.2 修改文檔
AngleSharp 允許你動態修改文檔：
static async Task Main(string[] args){ var config = Configuration.Default.WithDefaultLoader(); var context = BrowsingContext.New(config);
var document = await context.OpenAsync(req => req.Content("<html><body></body></html>"));
var body = document.Body;
// 創建新元素 var newDiv = document.CreateElement("div"); newDiv.ClassName = "newClass"; newDiv.TextContent = "This is a new div";
// 添加到文檔 body.AppendChild(newDiv);
// 修改現有元素 var existingDiv = document.QuerySelector("div"); existingDiv.SetAttribute("data-custom", "value");
// 刪除元素 var elementToRemove = document.QuerySelector(".removeMe"); elementToRemove?.Remove();
Console.WriteLine(document.DocumentElement.OuterHtml);}
3.3 處理表單
AngleSharp 可以用來處理 HTML 表單：
static async Task Main(string[] args){ var config = Configuration.Default.WithDefaultLoader(); var context = BrowsingContext.New(config);
var html = @" <form id='loginForm'> <input type='text' name='username' /> <input type='password' name='password' /> <input type='submit' value='Login' /> </form>";
var document = await context.OpenAsync(req => req.Content(html));
var form = document.QuerySelector("#loginForm") as IHtmlFormElement; var usernameInput = form["username"] as IHtmlInputElement; var passwordInput = form["password"] as IHtmlInputElement;
usernameInput.Value = "myUsername"; passwordInput.Value = "myPassword";
// 模擬表單提交 await form.SubmitAsync();}
3.4 使用 CSS 選擇器
AngleSharp 支持復雜的 CSS 選擇器：
var html = @"<div> <p>First paragraph</p> <p>Second paragraph</p> <p>Third paragraph</p></div>";
var document = await context.OpenAsync(req => req.Content(html));
// 選擇第二個段落var secondP = document.QuerySelector("p:nth-child(2)");Console.WriteLine(secondP.TextContent); // 輸出: Second paragraph
// 選擇帶有特定類的段落var highlightedP = document.QuerySelector("p.highlight");Console.WriteLine(highlightedP.TextContent); // 輸出: Second paragraph
// 選擇所有段落var allParagraphs = document.QuerySelectorAll("p");foreach (var p in allParagraphs){ Console.WriteLine(p.TextContent);}
3.5 解析和操作 CSS
AngleSharp 也可以用來解析和操作 CSS：
static async Task Main(string[] args){ var config = Configuration.Default.WithDefaultLoader(); var context = BrowsingContext.New(config);
var css = @" body { font-family: Arial, sans-serif; background-color: #f0f0f0; } .highlight { color: red; font-weight: bold; }";
var parser = new CssParser(); var stylesheet = parser.ParseStyleSheet(css);
foreach (var rule in stylesheet.Rules) { if (rule is ICssStyleRule styleRule) { Console.WriteLine($"Selector: {styleRule.SelectorText}"); foreach (var declaration in styleRule.Style) { Console.WriteLine($" {declaration.Name}: {declaration.Value}"); } } }}
3.6 執行 JavaScript
雖然 AngleSharp 主要用于 HTML 和 CSS 解析，但它也提供了一個基本的 JavaScript 執行環境：
static async Task Main(string[] args) { var config = Configuration.Default.WithJs(); var context = BrowsingContext.New(config);
var document = await context.OpenAsync(req => req.Content("<div id='result'></div>"));
var script = @" document.getElementById('result').textContent = 'Hello from JavaScript!'; ";
var engine = context.GetService<JsScriptingService>(); var jsValue = engine.EvaluateScript(document, script);
var result = document.GetElementById("result"); Console.WriteLine(result.TextContent); // 輸出: Hello from JavaScript!}
3.7 處理表格數據
AngleSharp 可以很方便地處理 HTML 表格：
static async Task Main(string[] args){ var config = Configuration.Default; var context = BrowsingContext.New(config); var html = @" <table id='dataTable'> <tr><th>Name</th><th>Age</th></tr> <tr><td>John</td><td>30</td></tr> <tr><td>Jane</td><td>25</td></tr> </table>";
var document = await context.OpenAsync(req => req.Content(html));
var table = document.GetElementById("dataTable") as IHtmlTableElement;
foreach (var row in table.Rows) { var cells = row.Cells; if (cells.Length == 2) { Console.WriteLine($"Name: {cells[0].TextContent}, Age: {cells[1].TextContent}"); } }}
3.8 解析 XML
AngleSharp 不僅可以解析 HTML，還可以解析 XML：
static async Task Main(string[] args){ var xml = @" <root> <element attribute='value'> <child>Content</child> </element> </root>" ;
var parser = new XmlParser(); var document = await parser.ParseDocumentAsync(xml);
var root = document.DocumentElement; var element = root.FirstElementChild; var attribute = element.GetAttribute("attribute"); var childContent = element.FirstElementChild.TextContent;
Console.WriteLine($"Attribute: {attribute}"); Console.WriteLine($"Child content: {childContent}");}
4. 錯誤處理和最佳實踐
4.1 使用 try-catch 塊
始終使用 try-catch 塊來處理可能出現的異常：
try{ var document = await context.OpenAsync("https://example.com"); // 處理文檔...}catch (AngleSharp.Io.NetworkException ex){ Console.WriteLine($"Network error: {ex.Message}");}catch (Exception ex){ Console.WriteLine($"An unexpected error occurred: {ex.Message}");}
4.2 檢查元素是否存在
在訪問元素之前，始終檢查元素是否存在：
var element = document.QuerySelector(".myClass");if (element != null){ Console.WriteLine(element.TextContent);}else{ Console.WriteLine("Element not found");}
4.3 使用 Linq 與 AngleSharp
AngleSharp 的查詢結果可以很好地與 Linq 結合使用：
var paragraphs = document.QuerySelectorAll("p") .Where(p => p.ClassList.Contains("important")) .Select(p => p.TextContent);
foreach (var text in paragraphs){ Console.WriteLine(text);}
5. 結論
AngleSharp 是一個強大而靈活的庫，它為 C# 開發者提供了豐富的 HTML、CSS 和 XML 處理功能。從簡單的文檔解析到復雜的 DOM 操作，AngleSharp 都能勝任。
通過本文提供的示例，你應該能夠處理大多數與 Web 文檔解析和操作相關的任務。AngleSharp 的 API 設計直觀，使得即使是復雜的操作也能夠簡單地實現。
在使用 AngleSharp 時，請記住正確處理異常，并考慮性能影響。對于需要處理大量文檔或執行頻繁操作的情況，可能需要考慮使用緩存或其他優化技術。
該文章在 2024/10/30 14:56:48 編輯過
400 186 1886
