AngleSharp文本元素解析
AngleSharp是一个用于解析和操作HTML和XML文档的开源.NET库。它提供了一组强大的API，使开发人员能够轻松地从文本中提取出所需的元素和信息。
AngleSharp的主要特点包括：
- 解析和操作HTML和XML文档：AngleSharp可以将HTML和XML文档解析为DOM树，开发人员可以使用API来遍历和操作这些文档。
- 强大的选择器：AngleSharp支持CSS选择器和XPath，开发人员可以使用这些选择器来定位和提取文档中的元素。
- 支持标准：AngleSharp遵循HTML5和XML标准，可以正确解析符合这些标准的文档。
- 轻量级和高性能：AngleSharp是一个轻量级的库，具有良好的性能。它使用了异步操作和延迟加载等技术来提高解析和操作文档的效率。
AngleSharp的应用场景包括：
- 网页爬虫：AngleSharp可以帮助开发人员从网页中提取所需的信息，例如抓取新闻、商品信息等。
- 数据分析和挖掘：AngleSharp可以将HTML和XML文档解析为结构化的数据，开发人员可以使用这些数据进行数据分析和挖掘。
- 网页测试：AngleSharp可以模拟浏览器行为，开发人员可以使用它来编写自动化测试脚本，测试网页的功能和性能。
腾讯云相关产品中，与AngleSharp相关的产品是腾讯云的Web+，它是一款支持多种编程语言的云端Web开发工具，可以帮助开发人员快速构建和部署Web应用。您可以通过以下链接了解更多关于腾讯云Web+的信息：腾讯云Web+产品介绍。
相关·内容
1回答
我使用这个方法将html转换成古色古香的文本，但是它在这个html标记<H1,2,3，..>中有一些缺陷
方法：
public string HtmlToPlainText(string htmlText)
{
//const string tagWhiteSpace = @"(>|$)(\W|\n|\r)+<";//matches one or more (white space or line breaks) between '>' and '<'
const str
浏览 8提问于2021-12-25得票数 0
我正在尝试使用AngleSharp库来解析一些HTML，到目前为止，这是非常棒的。现在我偶然发现了一个场景，其中我想解析以下HTML片段：
<a name="someLink" href="#someLink">Link 1</a>
Some text that happens to be in between elements...
<b>Some stuff in bold</b>
Some more text
<br>
当然，这段HTML包含了父元素等，但是为这段HTML解析的元素列表是：
H
浏览 6提问于2016-01-26得票数 3
回答已采纳
1回答
我正在使用Anglesharp解析网站-一切正常，但一些信息只有在单击页面上的元素后才会显示，并且它在浏览器中动态发生我可以看到这些更改，但当我解析Anglesharp无法加载DOM元素更改如何使用Anglesharp检测更改并解析来自新元素的数据？
浏览 15提问于2021-06-29得票数 1
1回答
我正在尝试用AngleSharp解析一个超文本标记语言网页及其CSS。遗憾的是，我只找到了这方面的过时示例，并且我正在努力寻找最新的实现。 目前，我正在尝试这样做： var config = Configuration.Default.WithDefaultLoader(new LoaderOptions { IsResourceLoadingEnabled = true });
var context = BrowsingContext.New(config);
var address = "www.foo.com"
var document = await
浏览 28提问于2019-12-07得票数 0
回答已采纳
我正在用AngleSharp编写一个超文本标记语言解析器，它应该像这样输入超文本标记语言：
<p>
Paragraph Text
<a href="https://www.example com" class="external text" target="_new" rel="nofollow">Link Text</a>
Paragraph Text 2
</p>
并输出如下所示：
<p>
Paragraph Text
<a href="https://
浏览 16提问于2017-01-18得票数 1
回答已采纳
我想知道是否可以使用HTMLDocument从AngleSharp中提取格式化文本。我使用下面的代码来提取文本。我的问题是，提取的文本一起运行，每个元素之间没有中断。
var parser = new HtmlParser();
var document = parser.Parse("<script>var x = 1;</script> <h1>Some example source</h1><p>This is a paragraph element</p>");
var text = documen
浏览 5提问于2017-04-21得票数 5
回答已采纳
我正在用AngleSharp解析一个文档。我有一个文本节点(NodeName："# text ")，我想在其中插入一些HTML。我当然可以将NodeValue重置为我想要的任何东西，但是它仍然是一个文本节点，所以所有的括号都是转义的。
如何获取文本节点的字符串值，向其中注入一些HTML，然后有一个解析的DOM表示，即HTML取代原始文本节点？
浏览 4提问于2015-10-09得票数 3
回答已采纳
具有此CSS：
.foo { background-size: 10px 20px; }
这个Html：
<span class="foo"></span>
这个C#：
var parser = new HtmlParser();
var doc = parser.Parse("http://localhost/test.html");
var element = doc.QuerySelector("span.foo");
如何获得与元素相关联的背景宽度和高度
(目前我使用的是AngleSharp版本0.9.9)
浏览 6提问于2017-01-02得票数 3
回答已采纳
在解析片段时，是否存在AngleSharp不创建完整的HTML文档的问题。例如，如果我解析：
<title>The Title</title>
我在DocumentElement.OuterHtml中得到一个完整的HTML文档
<html><head><title>The Title</title></head><body></body></html>
如果我解析：
<p>The Paragraph</p>
我得到另一个完整的HTML文档：
<h
浏览 4提问于2016-08-19得票数 9
回答已采纳
2回答
基于字符串关系的管束修正
、、、
我从API请求(作为字符串)接收以下响应头
<https://example1>; rel="previous", <https://example2>; rel="next"
我需要捕获只与"next“rel属性相关的url。我知道我可以从字符串中挖出这个url，但我不能保证它们将按照prev的顺序返回，下一步。
，确保捕获与下一个param关联的正确url的好方法是什么？
我更希望在vb中知道如何做到这一点，但我很乐意翻译一个C#答案。
浏览 9提问于2022-07-05得票数 0
回答已采纳
1回答
我有这段html
<div>
Outside paragraph
<p>In paragraph</p>
</div>
正如你所看到的，有一个Outside paragraph文本，在段落之外，是不需要的情况。
是否有任何AngleSharp方法(如果不是Anglesharp，那么还有其他方法)允许我对这段html进行规范化/修复，这样看起来如下：
<div>
<p>Outside paragraph</p>
<p>In paragraph</p>
</div>
浏览 0提问于2019-05-17得票数 0
回答已采纳
该网页使用javascript来建立它的html，所以我需要支持js的html解析器。
我找到了anglesharp，但我不能让它工作。
using AngleSharp;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Net;
using System.Text;
using System.Threading.Tasks;
namespace AngleSharpScraping
{
class Program
{
static void Mai
浏览 10提问于2015-06-08得票数 6
在一个大型项目中，我正在将所有内联样式的地图放在元素上。我想显示它们所在的线路号码，如下例所示。
是否有可能在AngleSharp中获得元素的行号？
foreach (var file in allFiles)
{
string source = File.ReadAllText(file.FullName);
var parser = new HtmlParser();
var doc = parser.ParseDocument(source);
var ite
浏览 4提问于2020-03-21得票数 1
回答已采纳
1回答
我必须把word转换成html，这是我和Aspose一起做的，而且效果很好。问题是，它产生了一些多余的元素，我认为这是由于文本存储方式的文字。
例如，在我的word文档中，出现了以下文本：
批准释放
当转换为html时，它变成：
<span style="font-size:9pt">A</span>
<span style="font-size:9pt">UTHORIZATION FOR R</span>
<span style="font-size:9pt">ELEASE</s
浏览 1提问于2016-07-07得票数 0
回答已采纳
1回答
我需要从IHtmlImageElement创建一个流映像。
在HtmlUnit中，我使用的是：
HtmlImage image;
ImageReader reader = image.getImageReader();
所以，我怎么能用AngleSharp制作这个呢？
浏览 0提问于2018-11-22得票数 0
回答已采纳
使用AngleSharp处理一些HTML并提取元素的文本内容以供以后挖掘，我遇到了AngleSharp剥离HTML标记的方法出现问题。例如，我有一个类似这样的HTML片段(减去换行符和选项卡)：
<div id="someID">
blah, blah, blah, blah
blah, blah,
<ul>
<li><i>action.</i></li>
<li><i>Typical, blah, blah, blah<
浏览 3提问于2015-12-29得票数 3
1回答
我正在使用HTML敏捷包来解析我的HTML，我需要知道HTML中每个元素的位置。HtmlNode.StreamPosition给了我HTML中的位置，效果很好。但是，我也想知道元素末尾的流位置。我可以获得StreamPosition并添加OuterHTML的长度，但这是不准确的，因为来自HTMLAgility包的OuterHTML通常与实际的HTMLAgility文本不完全匹配。
我也是游戏使用AngleSharp，如果它更容易或更适合这一点。基本上，我可以得到HTML元素开始的位置，如何得到结束的位置？
浏览 2提问于2017-03-18得票数 3
回答已采纳
我在.Net 4.5上创建了Windows应用程序，该应用程序使用AngleSharp 0.8.5解析器引擎。我的项目包含许多代码文件，我将在另一个应用程序中使用这些文件，因此我决定将该代码移到PCL库中，以分离项目。
但是，我不能将AngleSharp DLL从NuGet系统添加到我的NuGet项目中，因为它说：
无法安装软件包“AngleSharp 0.8.5”。您正在尝试将此包安装到一个项目中，该项目的目标是“便携-win+ not 45+sl40+wp”，但该包不包含任何与该框架兼容的程序集引用或内容文件。有关更多信息，请与包作者联系。
我尝试将AngleSharp DLL手动
浏览 4提问于2015-06-23得票数 0
回答已采纳
我已经将AngleSharp安装到一个新的Visual项目(2017和2015)控制台应用程序中。parser.Parse似乎正常工作(没有例外)，但我看不到任何脚本正在运行。我尝试过使用一个简单的console.log脚本和一些更复杂的脚本。我也没有观察到任何脚本错误。
为什么？我做错什么了？
我希望使用控制台输出来调试javascript，就像在浏览器的developer tools窗口中读取控制台窗口一样。请告诉我，如果有什么特别的，我需要用AngleSharp捕获javascript错误。
谢谢。
using AngleSharp;
using AngleSharp.Parser.Ht
浏览 2提问于2018-02-04得票数 0
回答已采纳
1回答
解析包含自关闭标记的html片段时：
var text = @"<tag /> and another <tag />";
var parser = new HtmlParser();
var originalHtml = parser.Parse(text);
OuterHtml的结果输出是：
<tag> and another <tag></tag></tag>
我知道anglesharp不会在没有自定义格式化程序的情况下“呈现”自结束标记，但是考虑到输入，这个输出是预期的吗？
我希望这样的事情：
&l
浏览 1提问于2016-09-12得票数 2
回答已采纳
1回答
我已经在Anglesharp Nuget库v.0.9.9上更新到了最新版本。我可以在Github页面上看到，Anglesharp为元素相关的方法添加了扩展。但是我无法使用我引用的Anglesharp DLL来访问它们。
你知道如何启用或访问这些功能吗？
浏览 0提问于2017-05-29得票数 0
1回答
在表单中提交项目
、、
编辑10/01/18以提供有关代码的更多背景信息。此版本提供了所使用的完整代码
我正在为使用AngleSharp提交表单而苦苦挣扎。
我使用AngleSharp删除这个网站的地址。基本上，我使用AngleSharp和IBrowsingContext (代码中的页面)打开网站
然后我SubmitAsync的形式，有完整的代理列表(见网站链接，以理解我的意思)，并阅读不同的代理，这部分不在这里介绍。
当我想要在不同的页面中导航时(通常大约有60个页面，底部有一个导航栏，即页面中的表单)，事情就变得更加复杂了。
根据Florian Rappl的建议，我根据他给出的一个例子()打开了资源加载。在下面发
浏览 16提问于2018-01-06得票数 0
我使用的是AngleSharp，当我解析html输入时，我从外部html得到的结果如下：
<p><textarea>one<p>two</textarea></p>
下面是我的代码：
string input = "<body><p><textarea>one<p>two";
var parser = new HtmlParser();
var document = parser.Parse(input);
var htmlOutput = documen
浏览 3提问于2018-10-26得票数 0
下面是一个链接：
<a title = "mylink" href="mysite">content</a>
在AngleSharp对象中，我可以很容易地使用以下代码获得content：
string innerContent = item.TextContent;
但是我需要一个链接的标题和一个href。我该怎么做？
浏览 0提问于2019-07-12得票数 0
回答已采纳
因此，我使用的是.NetFW 4.7.1，在实例化Premailer.Net时会得到以下错误：
无法加载类型AngleSharp.Parser.Html.HtmlParser。
我使用的是Premailer.Net诉2.0.1和AngleSharp诉0.10.1。
下面是抛出错误的代码库：
public static string GenerateMail(GiftMailModel model)
{
string htmlEmail = Engine.Razor.Run(GiftMailName, model.GetType(), model);
return F
浏览 1提问于2019-01-11得票数 3
如何使用AngleSharp从HTML中查找所有注释标记。注释可以是单行的，也可以是多行的。
<!-- Single line comment. -->
<!-- Multi-
ple line comment.
Lots '""' ' " ` ~ |}{556 of !@#$%^&*()) lines
in
this
comme-
nt! -->
浏览 4提问于2017-05-12得票数 3
回答已采纳
1回答
AngleSharp单击div
、、、、
在AngleSharp中，IHtmlAnchorElement有DoClick()方法。在我的例子中，我需要单击一个div。我该怎么做呢？
HTML:
<div role="button" class="div"></div>
C#:
IHtmlAnchorElement anc = document.Anchors.First(x => x.ClassName == "anc");
anc.DoClick();
IElement div = document.All.First(x => x.ClassNam
浏览 1提问于2018-05-03得票数 3
我正在尝试用bUnit测试我们的Blazor项目，并且遇到了bUnit Assert的问题。
这是我正在尝试测试的组件：
<div>
foreach(KeyValuePair<String, String> entry in Dictionary<String, String>)
{
<div class="form-check">
<input class="form-check-input" type="radio" name="myAwesomeName-
浏览 5提问于2022-05-11得票数 1
回答已采纳
我正在处理旧的html(ASP)文件，我需要转换/解析它们来处理新的浏览器。
我使用的是AngleSharp，我的问题是当它试图解析使用单引号作为值的response和时，AngleSharp将其解析为双引号。
输入
Response.Write ("<input type=text name=attrname value='" + sVar + "'>");
输出(AngleSharp)
Response.Write ("<input type="text" name="attrname"
浏览 6提问于2021-01-28得票数 0
1回答
我正试着在Habr.com上和AngleSharp签约。我可以填写电子邮件和密码字段，但不知道如何提交表格.如果你知道其他的方法，你能分享一下吗？
string pathPageLogin = "https://account.habr.com/login/?state=43fb94b4773d9f8940cc47fd59b79b5c&consumer=habr&hl=ru_RU";
var config = Configuration.Default.WithDefaultLoader().WithDefaultCookies();
IBrowsingCon
浏览 29提问于2022-08-10得票数 0
我的HTML代码是
<tr>
<td colspan="8" class="text">
<B>Total</B>:
</td>
<td class="text">
<b> 1 GB</b>
</td>
<td class="text">
<b> 1.8 GB</b>
浏览 5提问于2017-01-13得票数 1
回答已采纳
1回答
我试图通过返回html的一个特定部分来控制AngleSharp。
到目前为止，这是我的密码：
using (WebClient client = new WebClient())
{
string htmlCode = client.DownloadString("http://www.planetradio.de/music/trackfinder.html");
var parser = new HtmlParser();
var document = parser.Parse(ht
浏览 1提问于2015-11-19得票数 0
回答已采纳
1回答
是否有确切的方法来检索xPath of a angleSharp IElement
我试图将一个IElement传递给一个javaScript函数，所以我需要一种将angleSharp元素转换为javaScript Dom元素的方法
function selectLevels(element, name, level){
document.querySelectorAll("*").forEach(e => {
if(e.isEqualNode(element)){
e.setAttribute('level'
浏览 5提问于2021-04-27得票数 1
我正试图从维基百科的网页("")中获得一张歌曲标题列表。
这是我目前正在尝试的代码
//Get page source and parse it
string pageSource = PageSource.Get(url);// own method
HtmlParser parser = new HtmlParser();
var doc = parser.Parse(pageSource);
//Get div tag with class="mw-category"
var div_mw_content_ltr = doc.All.Where(tag
浏览 0提问于2018-04-09得票数 3
回答已采纳
如何使用anglesharp从HTML表中删除所有行？
我正在尝试删除表中的所有行。但是，不移除行。
我的代码如下所示：
public void DeleteRows(IElement table)
{
foreach (var row in table?.QuerySelectorAll("tr"))
{
row.Remove();
}
var lengthAfterDeletion = table?.QuerySelectorAll("tr")?.Length;
}
如何使用anglesharp从HTML表中删
浏览 1提问于2020-01-17得票数 0
回答已采纳
Bug报告
System.TypeInitializationException
HResult = 0x80131534
Message = Initializer type "AngleSharp.Configuration" threw an exception.
Source = AngleSharp
Stack trace:
in AngleSharp.Configuration.get_Default ()
in AngleSharp.BrowsingContext.NewFrom [TService] (TSer
浏览 1提问于2019-01-15得票数 4
回答已采纳
1回答
我想解析网站使用AngleSharp的c#，这是很容易做静态页面，但有一个问题，我不能解析信息只有授权用户可用。我应该怎么做才能以编程方式自动进入网站并解析所有可供我使用的信息？
浏览 1提问于2018-06-04得票数 0
我是否可以使用获取所有主体标记的计数，然后为所有标记分配一个唯一属性id，如"data-id=1“、"data-id=2”等。
我希望测试这个静态网站翻译的目的，然后我将使用查询选择器数据- id，并从每个标签中提取TextContent并使用翻译API翻译文本，并将翻译后的文本设置为从原来提取的标记id。
C#
var html = File.ReadAllText(@"C:\example.html");
var parser = new HtmlParser();
var document = parser.Parse(html);
浏览 0提问于2018-06-19得票数 0
我正在尝试解析html页面，它有链接，加载额外的数据到当前页面。<a href="#" data-href="/some-url/">
这里有一个javascript函数，它在单击<a href="#">之后调用。
我可以解析已经加载了页面的数据，但不能解析通过单击<a>加载的其他块。如何使用AngleSharp解析所有数据，包括加载后的数据？
JS代码：
$('.button_add a').click(function (e) {
e.preventDefault();
浏览 16提问于2019-07-17得票数 0
1回答
在执行查询之前，我正在尝试评估页面上的javascript，因为我要查找的html在AngleSharp文档中不存在。
有一个方法: document.ExecuteScript(string )
但与其他库的使用方式相比，我不知道如何使用它。例如，一些python代码看起来像这样...
wait.until(presence_of_element_located((By.ID, "class-name")))
我猜这只会暂停代码，直到整个页面都被评估。然后可以搜索元素。
在AngleSharp中，看起来我必须运行ExecuteScript方法才能做同样的事情。但它只是抛出一个
浏览 27提问于2020-10-06得票数 0
我正在解析许多HTML文档，并且在每个需要尝试提取英国邮政地址的范围内。为了做到这一点，我使用AngleSharp解析HTML，然后使用TextContent查找与TextContent匹配的节点：
var parser = new HtmlParser();
var source = "<html><head><title>Test Title</title></head><body><h1>Some example source</h1><p>This is a parag
浏览 13提问于2016-01-27得票数 1
回答已采纳
4回答
我试图构建一个存储在上的外部中的解决方案。
它有以下步骤：
1: Git还原工程
2: NuGet还原工程
3:构建-不工作
在查看日志时，我的第一个猜测是，MsBuild没有查找NuGet存储它们的包。NuGet还原中的一些行：
2018-03-14T21:10:11.0352862Z Completed installation of AngleSharp 0.9.9
2018-03-14T21:10:11.0353230Z Adding package 'AngleSharp.0.9.9' to folder 'D:\a\1\s\packages'
浏览 0提问于2018-03-14得票数 4
回答已采纳
1回答
在没有类名或id可供使用的情况下，找不到许多使用AngleSharp进行解析的示例。
HTML
<span><a href="google.com" title="Google"><span class="icon icon_none"></span></a></span>
<span><a href="bing.com" title="Bing"><span class="icon icon_none&#
浏览 1提问于2016-03-19得票数 6
回答已采纳
我正在尝试从.HTML Outlook电子邮件中检索字段。
.HTML内容的示例片段
</table>
</tbody>
</tr>
<tr>
<td style="padding:0cm 18.0pt 30.0pt 18.0pt">
<table class="MsoNormalTable" border="0" cellspacing="0" cellpadding="0" width="100%" style="wid
浏览 0提问于2019-08-21得票数 1
回答已采纳
我使用下面的代码来使用AngleSharp从解析的html中剥离特定的html标记(因为相对于使用正则表达式来做这样的工作是值得推荐的) (AngleSharp当前是维护的，而HtmlAgilityPack不是，因此我一直在使用后者)。
它工作得很好--但现在我也想删除html注释。表示在<!--和-->标记之间找到的任何内容。
如何使用AngleSharp实现这一点？在这里使用QuerySelector似乎并不合适。
private string ExtractContentFromHtml(string input)
{
List<string> tagsT
浏览 6提问于2016-01-29得票数 2
1回答
我尝试使用AngleSharp获取所有最内层表的列表。此表不包含任何表。
对于HtmlAgilityPack，我是这样认识到的：
var wrapper = html.DocumentNode.SelectSingleNode(".//td[@class='wrapper']");
var innerMostTables = wrapper.SelectNodes(".//table [not(descendant::table)]");
在AngleSharp中，我尝试过这样做，但不起作用：
var parser = n
浏览 3提问于2018-01-15得票数 0
在AngleSharp 0.9.3中，我有一段类似这样的代码：
public IEnumerable<CssNode> FindNodesInStyle(StyleContext context)
{
if (context is InternalStyleContext)
{
var nodes = new HashSet<CssNode>();
var styleSheet = context.ProcessedStyleSheet;
var rules = this.GetRules(styleSh
浏览 13提问于2019-08-13得票数 2
4回答
用于解析C#的库？
、、、
库应该至少支持.NET框架版本3.5和4.0；对版本4.5和未来版本的支持也会很好。
如果可能的话，它也应该处理“混乱”的HTML。
浏览 0提问于2014-08-15得票数 19
1回答
我将用于AngleSharp和AngleSharp.Scripting.Javascript的nuget包导入到一个空项目中，以查看应用javascript/css后是否可以从网页解析html (就像无头浏览器)。
我使用 (导航到使用浏览器中的javascript填充的时事通讯存档)作为测试url。
显示内联javascript功能的基本示例脚本为我工作，而javascript是在html加载之后处理的，等等。但是，用var document = await browseingContext.OpenAsync(new Url("http://pycoders.com/archive
浏览 3提问于2015-07-10得票数 2
我有一个外部CSS文件，它没有在html文件中引用。可以动态添加这个CSS文件并通过AngleSharp将样式应用到html吗？
我想到的另一个变通方法是在解析到DOM之前在html中插入对CSS的引用，但我想知道在我实现“变通方法”之前AngleSharp是否提供了初始问题。非常感谢！
<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<title>Test Doc</title>
</head
浏览 19提问于2020-05-22得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
