NSoup是一个开源框架，是JSoup（Java）的.NET移植版本
1、直接用起来
NSoup.Nodes.Document htmlDoc = NSoup.NSoupClient.Parse(HTMLString); //无需实例化
NSoup的强大之处在于可以用类似js的方法来获取节点元素
通过元素类型获取元素GetElementByTag("p")
NSoup.Select.Elements ele= htmlDoc.GetElementsByTag(TbTag.Text);
foreach (var item in ele)
{
if (item.Attr("class") == "col-sm-4 col-xs-6 listtit1") //通过Attr(""href)可以获取元素的属性
{
sb.AppendLine(item.Text()); //通过Text()方法可以获取元素中的文本内容
}
}
2、做了一个winform的小demo
关键代码：
下面以提取一个html代码中211大学名和地点的为例：
private void GetHtml_Click(object sender, EventArgs e)
{
//获取指定地址的Html代码
TbCode.Text = "";
string url = TbUrl.Text.Trim();
WebClient client = new WebClient();
client.Encoding = System.Text.Encoding.UTF8;
string html = client.DownloadString(url);
TbCode.Text = html;
}
private void Analysis_Click(object sender, EventArgs e)
{
NSoup.Nodes.Document htmlDoc = NSoup.NSoupClient.Parse(TbCode.Text);
NSoup.Select.Elements ele= htmlDoc.GetElementsByTag(TbTag.Text);
System.Text.StringBuilder sb=new StringBuilder();
foreach (var item in ele)
{
sb.AppendLine(item.Text());
foreach (var item1 in item.NextElementSibling.Children)
{
if (item1.Attr("class") == "col-sm-4 col-xs-6 listtit1")
{
sb.AppendLine(item1.Text());
}
}
}
TbElement.Text = sb.ToString();
}
html代码片段（因篇幅原因未贴全）：
<h4>安徽</h4>
<ul class="list-unstyled clearfix">
<li class="col-sm-4 col-xs-6 listtit1"><a href="/daxue/detail/detail3712.html">合肥工业大学</a></li>
<li class="col-sm-4 col-xs-6 listtit1"><a href="/daxue/detail/detail3715.html">中国科学技术大学</a></li>
<li class="col-sm-4 col-xs-6 listtit1"><a href="/daxue/detail/detail3716.html">安徽大学</a></li>
</ul>
效果（标签类型h4）：
3、插入数据库代码示例（提取专业名和编号）：
private void BtnInsert_Click(object sender, EventArgs e)
{
NSoup.Nodes.Document htmlDoc = NSoup.NSoupClient.Parse(TbCode.Text);
NSoup.Select.Elements eles = htmlDoc.GetElementsByTag(TbTag.Text);
string connectionString = @"这里是连接字符串";
using (SqlConnection conn = new SqlConnection(connectionString))
{
conn.Open();
foreach (var item in eles)
{
)
{
string sql = "insert into Major (mId,mName) values ('" +item.Text() + "','" + item.NextElementSibling.Text() + "')";
using (SqlCommand cmd = new SqlCommand(sql, conn))
{
cmd.ExecuteNonQuery();
}
}
}
conn.Close();
}
}
Html代码片段：
<table class="cla" border="0" cellspacing="1" cellpadding="0" width="100%" bgcolor="#dedede">
<tbody>
<tr class="scon"> <td bgcolor="#ffffff" width="20%"><strong>0101</strong></td> <td bgcolor="#ffffff" height="30"><strong>哲学类</strong></td> </tr>
<tr><td bgcolor="#ffffff" width="20%">010101</td> <td bgcolor="#ffffff" height="30"><span class="pl20">哲学</span></td></tr>
<tr><td bgcolor="#ffffff" width="20%">010102</td> <td bgcolor="#ffffff" height="30"><span class="pl20">逻辑学</span></td></tr>
<tr><td bgcolor="#ffffff" width="20%">010103K</td> <td bgcolor="#ffffff" height="30"><span class="pl20">宗教学</span></td></tr>
</tbody>
</table>
方法有很多种，就不一一列举了，可以多试几种，当然熟悉Python的朋友就不必这么麻烦了，Python有更专业的html解析器，有时间可以了解一下