AngleSharp 是一个功能强大的 .NET 库，用于解析 HTML、XML 和 CSS。它提供了一个直观的 API，使得在 C# 中处理 Web 文档变得简单高效。本文将详细介绍 AngleSharp 的使用方法，并提供多个实用的例子。
1. 安装
首先，通过 NuGet 包管理器安装 AngleSharp：
Install-Package AngleSharp
2. 基本用法
2.1 解析 HTML 文档
using AngleSharp;using AngleSharp.Dom;using System;
class Program{ static async Task Main(string[] args) { // 配置 AngleSharp var config = Configuration.Default; // 创建一个新的上下文 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));
// 获取并打印 h1 元素的文本 var h1 = document.QuerySelector("h1"); Console.WriteLine(h1.TextContent); // 输出: Hello, AngleSharp! }}
2.2 从 URL 加载文档
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. 高级用法
3.1 选择元素
AngleSharp 支持多种选择元素的方法：
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/");
// 通过 ID 选择 var elementById = document.GetElementById("myId");
// 通过类名选择 var elementsByClass = document.GetElementsByClassName("post-item-title"); foreach (var element in elementsByClass) { Console.WriteLine(element.TextContent); }
// 通过标签名选择 var elementsByTag = document.GetElementsByTagName("div");
// 使用 CSS 选择器 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 修改文档
AngleSharp 允许你动态修改文档：
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;
// 创建新元素 var newDiv = document.CreateElement("div"); newDiv.ClassName = "newClass"; newDiv.TextContent = "This is a new div";
// 添加到文档 body.AppendChild(newDiv);
// 修改现有元素 var existingDiv = document.QuerySelector("div"); existingDiv.SetAttribute("data-custom", "value");
// 删除元素 var elementToRemove = document.QuerySelector(".removeMe"); elementToRemove?.Remove();
Console.WriteLine(document.DocumentElement.OuterHtml);}
3.3 处理表单
AngleSharp 可以用来处理 HTML 表单：
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";
// 模拟表单提交 await form.SubmitAsync();}
3.4 使用 CSS 选择器
AngleSharp 支持复杂的 CSS 选择器：
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));
// 选择第二个段落var secondP = document.QuerySelector("p:nth-child(2)");Console.WriteLine(secondP.TextContent); // 输出: Second paragraph
// 选择带有特定类的段落var highlightedP = document.QuerySelector("p.highlight");Console.WriteLine(highlightedP.TextContent); // 输出: Second paragraph
// 选择所有段落var allParagraphs = document.QuerySelectorAll("p");foreach (var p in allParagraphs){ Console.WriteLine(p.TextContent);}
3.5 解析和操作 CSS
AngleSharp 也可以用来解析和操作 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($" {declaration.Name}: {declaration.Value}"); } } }}
3.6 执行 JavaScript
虽然 AngleSharp 主要用于 HTML 和 CSS 解析，但它也提供了一个基本的 JavaScript 执行环境：
static async Task Main(string[] args) { var config = Configuration.Default.WithJs(); var context = BrowsingContext.New(config);
var document = await context.OpenAsync(req => req.Content("<div id='result'></div>"));
var script = @" document.getElementById('result').textContent = 'Hello from JavaScript!'; ";
var engine = context.GetService<JsScriptingService>(); var jsValue = engine.EvaluateScript(document, script);
var result = document.GetElementById("result"); Console.WriteLine(result.TextContent); // 输出: Hello from JavaScript!}
3.7 处理表格数据
AngleSharp 可以很方便地处理 HTML 表格：
static async Task Main(string[] args){ var config = Configuration.Default; var context = BrowsingContext.New(config); var html = @" <table id='dataTable'> <tr><th>Name</th><th>Age</th></tr> <tr><td>John</td><td>30</td></tr> <tr><td>Jane</td><td>25</td></tr> </table>";
var document = await context.OpenAsync(req => req.Content(html));
var table = document.GetElementById("dataTable") as IHtmlTableElement;
foreach (var row in table.Rows) { var cells = row.Cells; if (cells.Length == 2) { Console.WriteLine($"Name: {cells[0].TextContent}, Age: {cells[1].TextContent}"); } }}
3.8 解析 XML
AngleSharp 不仅可以解析 HTML，还可以解析 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. 错误处理和最佳实践
4.1 使用 try-catch 块
始终使用 try-catch 块来处理可能出现的异常：
try{ var document = await context.OpenAsync("https://example.com"); // 处理文档...}catch (AngleSharp.Io.NetworkException ex){ Console.WriteLine($"Network error: {ex.Message}");}catch (Exception ex){ Console.WriteLine($"An unexpected error occurred: {ex.Message}");}
4.2 检查元素是否存在
在访问元素之前，始终检查元素是否存在：
var element = document.QuerySelector(".myClass");if (element != null){ Console.WriteLine(element.TextContent);}else{ Console.WriteLine("Element not found");}
4.3 使用 Linq 与 AngleSharp
AngleSharp 的查询结果可以很好地与 Linq 结合使用：
var paragraphs = document.QuerySelectorAll("p") .Where(p => p.ClassList.Contains("important")) .Select(p => p.TextContent);
foreach (var text in paragraphs){ Console.WriteLine(text);}
5. 结论
AngleSharp 是一个强大而灵活的库，它为 C# 开发者提供了丰富的 HTML、CSS 和 XML 处理功能。从简单的文档解析到复杂的 DOM 操作，AngleSharp 都能胜任。
通过本文提供的示例，你应该能够处理大多数与 Web 文档解析和操作相关的任务。AngleSharp 的 API 设计直观，使得即使是复杂的操作也能够简单地实现。
在使用 AngleSharp 时，请记住正确处理异常，并考虑性能影响。对于需要处理大量文档或执行频繁操作的情况，可能需要考虑使用缓存或其他优化技术。
该文章在 2024/10/30 14:56:48 编辑过
400 186 1886
