.net - 如何从 .Net 中的许多 HTML 文件中读取 xpath 值？

Question

我在一个文件夹中有大约 5000 个 html 文件。我需要遍历它们、打开、使用 xpath 获取 10 个值、关闭并存储在 (SQL Server) 数据库中。

使用 .Net 读取 xpath 值的最简单方法是什么？

xpath 应该非常稳定。

请提供读取一个值的示例代码，比如/html/head/title/text()

谢谢

Answer 1

我认为你应该查看 HTML Agility Pack .它是一个 HTML 解析器而不是 XML 解析器，更适合这项任务。如果有任何内容与正在解析的 XML 不一致，那么解析器将抛出异常。使用 HTML 解析器可以让您对输入文件有更多的余地。

显示如何使用所有 HREF(链接)属性执行操作的示例:

 HtmlDocument doc = new HtmlDocument();
 doc.Load("file.htm");
 foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href"])
 {
    HtmlAttribute att = link["href"];
    att.Value = FixLink(att);
 }

我不在编译器附近，但你想要的例子是这样的:

string title = doc.DocumentNode.SelectSingleNode("//title").InnerText;