scrapysharp - web scraping c# ejemplos

Análisis de página HTML con HtmlAgilityPack

Question

Utilizando C # Me gustaría saber cómo obtener el valor de Textbox (es decir: john) de este script html de muestra:

<TD class=texte width="50%">
<DIV align=right>Name :<B> </B></DIV></TD>
<TD width="50%"><INPUT class=box value=John maxLength=16 size=16 name=user_name> </TD>
<TR vAlign=center>

Answer 1

Hay varias formas de seleccionar elementos utilizando el paquete de agilidad.

Supongamos que hemos definido nuestro HtmlDocument siguiente manera:

string html = @"<TD class=texte width=""50%"">
<DIV align=right>Name :<B> </B></DIV></TD>
<TD width=""50%"">
    <INPUT class=box value=John maxLength=16 size=16 name=user_name>
</TD>
<TR vAlign=center>";

HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html);

1. Simple LINQ
Podríamos usar el método Descendants() , pasando el nombre de un elemento que estamos buscando:

var inputs = htmlDoc.DocumentNode.Descendants("input");

foreach (var input in inputs)
{
    Console.WriteLine(input.Attributes["value"].Value);
    // John
}

2. LINQ más avanzado
Podríamos reducir eso utilizando LINQ más elegante:

var inputs = from input in htmlDoc.DocumentNode.Descendants("input")
             where input.Attributes["class"].Value == "box"
             select input;

foreach (var input in inputs)
{
    Console.WriteLine(input.Attributes["value"].Value);
    // John
}

3. XPath
O podríamos usar XPath .

string name = htmlDoc.DocumentNode
    .SelectSingleNode("//td/input")
    .Attributes["value"].Value;

Console.WriteLine(name);
//John

Answer 2

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
XPathNavigator docNav = doc.CreateNavigator();

XPathNavigator node = docNav.SelectSingleNode("//td/input/@value");

if (node != null)
{
    Console.WriteLine("result: " + node.Value);
}

Escribí esto bastante rápido, así que querrás hacer algunas pruebas con más datos.

NOTA: las cadenas XPath aparentemente tienen que estar en minúsculas.

EDITAR: Aparentemente, la versión beta ahora es compatible con Linq to Objects directamente, por lo que probablemente no hay necesidad de usar el convertidor.