问题标签 [html-agility-pack]

有人做过吗？基本上，我想通过保留 h1、h2、em 等基本标签来使用 html；清除 img 和 a 标签中的所有非 http 地址；和 HTMLEncode 每隔一个标签。

我被困在 HTML 编码部分。我知道要删除一个节点，您执行“node.ParentNode.RemoveChild(node);” 其中 node 是 HtmlNode 类的对象。我不想删除节点，而是想对它进行 HTMLEncode。

我想从 teamcity 中提取工件。

我一直在尝试使用 c# 和 HtmlAgilityPack 来访问该网站并找到最新版本及其工件。我目前卡在登录状态，我想我只需要发送会话 Cookie 即可。

我是否朝着正确的方向前进，有其他人尝试过吗？

我意识到使用构建脚本推出文件很容易，但我想尽量减少对 Ant、NAnt 文件的更改，因为我正在考虑将其扩展到 100 个应用程序。

编辑：这个问题看起来很有前景Getting HTML from a page behind a login

编辑：现在可以了，我只需要编写一些代码来解析它

我正在使用 HtmlAgilityPack。我使用以下字符串创建了一个 HtmlDocument 和 LoadHtml：

这会做一些意想不到的事情。首先，它给出了两个解析器错误，EndTagNotRequired。其次，选择节点有 4 个子节点 - 两个用于选项标签，另外两个用于选项标签的内部文本。最后，OuterHtml 是这样的：

所以基本上我决定放弃选项的结束标签。让我们暂时搁置这样做是否适当和可取。我正在使用 HtmlAgilityPack 来测试 HTML 生成代码，所以我不希望它为我做出任何决定或给出任何错误，除非 HTML 确实格式错误。有什么方法可以让它表现出我想要的样子吗？我尝试为 HtmlDocument 设置一些选项，特别是：

这是行不通的。如果 HtmlAgilityPack 不能做我想要的，你能推荐一些可以的东西吗？

我正在尝试使用 html 敏捷包和此 xpath 从 html 文档中检索特定图像：

据我所见，它找到了 src-attribute，但它返回了 img-tag。这是为什么？

我希望设置 InnerHtml/InnerText 或其他内容，但两者都是空字符串。OuterHtml 设置为完整的 img-tag。

是否有任何有关 Html Agility Pack 的文档？

我目前有一个程序，可以根据查找具有匹配 id 的标签来查找和编辑 HTML 文件。

我想扩展它以找到一个匹配 InnerHtml 的标签（忽略大小写和空格）

使用 Html Agility 执行此操作的好方法是什么？我想使用 Html Agility 来完成它，因为程序的其余部分正在使用它。

谢谢。

我想使用 HTML 敏捷包来解析来自复杂网页的表格，但我不知何故迷失在对象模型中。

我查看了链接示例，但没有以这种方式找到任何表格数据。我可以使用 XPath 来获取表格吗？在加载有关如何获取表格的数据后，我基本上迷失了。我以前在 Perl 中做过这个，有点笨拙，但是很有效。( HTML::TableParser)。

如果有人能阐明解析的正确对象顺序，我也很高兴。

我正在寻找一个 .NET 库，它可以从无效的 HTML 代码生成干净的 Xml 树，最好是 System.Xml.XmlDocument。IE 在遇到这种情况时应该尽最大努力猜测、修复和替换浏览器，并生成一个伪装的 XmlDocument。图书馆也应该得到很好的维护。:)

我意识到这有很多（太多了？）要问，我会很感激任何有用的线索。对于 Java，似乎有相当多的实现，但我宁愿不生成自己的绑定。到目前为止，对于 .NET，我发现http://www.majestic12.co.uk/projects/html_parser.php和http://users.rcn.com/creitzel/tidy.html#dotnet和http://sourceforge .net/projects/tidyfornet。

我还没有构建或测试任何这些，但是从（稀疏的）文档和罕见的更新来看，它们似乎没有我想要的东西。那么你有什么建议，无论是在这些选择中，还是从你过去的经验中。

使用 HTMLAgilityPack 写出一个新的图像节点，它似乎删除了图像的结束标记，例如应该是但是当你检查外部 html 时，有 .

这会破坏 xhtml。

以编程方式将大量非常相似的网页转换为更新的基于 css 的布局的最佳方法是什么？

我正在将旧网站的所有内容更改为基于 css 的新布局。许多页面非常相似，我希望能够自动化该过程。

我目前正在考虑做的是使用 HtmlAgilityPack 读取页面，并为每组将创建输出文本的相似页面创建一个方法。

您认为最好的方法是什么？这些页面的不同之处主要在于图像使用了哪个 .jpg 文件，或者该特定页面上有多少组标题图像文本

编辑：我不能使用 .html 以外的任何其他文件类型，因为这是我被授权做的所有事情。有什么建议么？

EDIT2：理想情况下，我也可以使它足够通用，只需切换几个移动部件，我就可以将它用于许多不同的 html 文件组。

如何使用HTML 敏捷包？

我的 XHTML 文档不完全有效。这就是我想使用它的原因。我如何在我的项目中使用它？我的项目在 C# 中。