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 抓取说 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？

xpaths 应该非常稳定。

请提供示例代码以读取一个值，例如 /html/head/title/text()

谢谢

Answer 1

我认为您应该查看HTML Agility Pack。它是一个 HTML 解析器而不是一个 XML 解析器，更适合这个任务。如果有任何与正在解析的 XML 不一致的内容，那么解析器将抛出异常。使用 HTML 解析器可以为您提供更多的输入文件余地。

显示如何使用所有 HREF（链接）属性执行某些操作的示例：

 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，但您想要的示例类似于：

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