亦有资源网

如果我们需要抓取网络上的数据，这时候我们就要写爬虫，这里面就涉及到网页的抓取、以及网页分析与数据提取。

下面推荐2个.Net开源Html解析器，方便用于网络爬虫Html源码的解析、Html源码编辑等场景。

一、AngleSharp

这是一个基于.Net开发的，Html代码解析器，支持通过C#实现类似Jquery的方式来解析Html源码、节点创建、节点删除、节点修改、属性的添加修改等，还支持SVG、XML、MathML等格式，此外还能解析Css。

项目地址：

https://github.com/AngleSharp/AngleSharp

项目特色

1、非常出色的性能；

2、基于.NET Standard 2.0开发，支持跨平台，包括移动平台；

3、扩展性强，可以自己自定义；

4、支持LINQ语法；

5、支持类似Jquery查询功能；

6、表单提交、Http请求等；

7、Api功能符合W3C规范标准。

部分代码示例

Html代码解析

Form表单提交，并获取超链接数量

通过Class选择元素

表格单元格选择

Html元素创建

添加Class

属性操作

二、html-agility-pack

Html Agility Pack (HAP) 是一个开源的 HTML 解析库。

• 强大的容错性：HAP 对于“真实世界”中常见的 HTML 错误非常宽容，能够解析格式不规范的 HTML 文件。
• DOM 操作：它提供了一个类似 System.Xml 的对象模型，但专门用于 HTML 文档，支持对 HTML 的读写操作。
• XPath 和 XSLT 支持：用户可以使用 XPath 查询和 XSLT 转换来处理 HTML 数据，但即使不熟悉这些技术，也可以轻松上手。

项目地址：

https://github.com/zzzprojects/html-agility-pack

示例代码

获取指定的网页，并获取所有a标签的文本。

using HtmlAgilityPack;
using System;

// 加载 HTML 文件
HtmlWeb web = new HtmlWeb();
HtmlDocument doc = web.Load("https://www.xxx.com");

// 使用 XPath 查询
var nodes = doc.DocumentNode.SelectNodes("//a");
foreach (var node in nodes)
{
    Console.WriteLine(node.InnerText);
}