AngleSharp：强大的 C# HTML 解析库

AngleSharp 是一个功能强大的 .NET 库，用于解析 HTML、XML 和 CSS。它提供了一个直观的 API，使得在 C# 中处理 Web 文档变得简单高效。本文将详细介绍 AngleSharp 的使用方法，并提供多个实用的例子。

1. 安装

首先，通过 NuGet 包管理器安装 AngleSharp：

C#
Install-Package AngleSharp

2. 基本用法

2.1 解析 HTML 文档

C#
using AngleSharp;
using AngleSharp.Dom;
using System;

class Program
{
    static async Task Main(string[] args)
    {
        // 配置 AngleSharp
        var config = Configuration.Default;
        
        // 创建一个新的上下文
        var context = BrowsingContext.New(config);

        // 解析 HTML 字符串
        var html = "<html><body><h1>Hello, AngleSharp!</h1></body></html>";
        var document = await context.OpenAsync(req => req.Content(html));

        // 获取并打印 h1 元素的文本
        var h1 = document.QuerySelector("h1");
        Console.WriteLine(h1.TextContent); // 输出: Hello, AngleSharp!
    }
}

2.2 从 URL 加载文档

C#
static async Task Main(string[] args)
{
    var config = Configuration.Default.WithDefaultLoader();
    var context = BrowsingContext.New(config);

    var document = await context.OpenAsync("https://www.163.com");

    var title = document.QuerySelector("title");
    Console.WriteLine($"Page title: {title.TextContent}");
}

3. 高级用法

3.1 选择元素

AngleSharp 支持多种选择元素的方法：

C#
static async Task Main(string[] args)
{
    var config = Configuration.Default.WithDefaultLoader();
    var context = BrowsingContext.New(config);

    var document = await context.OpenAsync("https://www.cnblogs.com/");

    // 通过 ID 选择
    var elementById = document.GetElementById("myId");

    // 通过类名选择
    var elementsByClass = document.GetElementsByClassName("post-item-title");
    foreach (var element in elementsByClass)
    {
        Console.WriteLine(element.TextContent);
    }

    // 通过标签名选择
    var elementsByTag = document.GetElementsByTagName("div");

    // 使用 CSS 选择器
    var elementBySelector = document.QuerySelectorAll(".post-item-text > p");
    foreach (var element in elementBySelector)
    {
        Console.WriteLine(element.TextContent);
    }

    var elementsBySelector = document.QuerySelectorAll("div.myClass");

    foreach (var element in elementsBySelector)
    {
        Console.WriteLine(element.TextContent);
    }
}

3.2 修改文档

AngleSharp 允许你动态修改文档：

C#
static async Task Main(string[] args)
{
    var config = Configuration.Default.WithDefaultLoader();
    var context = BrowsingContext.New(config);

    var document = await context.OpenAsync(req => req.Content("<html><body></body></html>"));

    var body = document.Body;

    // 创建新元素
    var newDiv = document.CreateElement("div");
    newDiv.ClassName = "newClass";
    newDiv.TextContent = "This is a new div";

    // 添加到文档
    body.AppendChild(newDiv);

    // 修改现有元素
    var existingDiv = document.QuerySelector("div");
    existingDiv.SetAttribute("data-custom", "value");

    // 删除元素
    var elementToRemove = document.QuerySelector(".removeMe");
    elementToRemove?.Remove();

    Console.WriteLine(document.DocumentElement.OuterHtml);
}

3.3 处理表单

AngleSharp 可以用来处理 HTML 表单：

C#
static async Task Main(string[] args)
{
    var config = Configuration.Default.WithDefaultLoader();
    var context = BrowsingContext.New(config);

    var html = @"
    <form id='loginForm'>
        <input type='text' name='username' />
        <input type='password' name='password' />
        <input type='submit' value='Login' />
    </form>";

    var document = await context.OpenAsync(req => req.Content(html));

    var form = document.QuerySelector("#loginForm") as IHtmlFormElement;
    var usernameInput = form["username"] as IHtmlInputElement;
    var passwordInput = form["password"] as IHtmlInputElement;

    usernameInput.Value = "myUsername";
    passwordInput.Value = "myPassword";

    // 模拟表单提交
    await form.SubmitAsync();
}

3.4 使用 CSS 选择器

AngleSharp 支持复杂的 CSS 选择器：

JavaScript
var html = @"
<div class='container'>
    <p>First paragraph</p>
    <p class='highlight'>Second paragraph</p>
    <p>Third paragraph</p>
</div>";

var document = await context.OpenAsync(req => req.Content(html));

// 选择第二个段落
var secondP = document.QuerySelector("p:nth-child(2)");
Console.WriteLine(secondP.TextContent); // 输出: Second paragraph

// 选择带有特定类的段落
var highlightedP = document.QuerySelector("p.highlight");
Console.WriteLine(highlightedP.TextContent); // 输出: Second paragraph

// 选择所有段落
var allParagraphs = document.QuerySelectorAll("p");
foreach (var p in allParagraphs)
{
    Console.WriteLine(p.TextContent);
}

3.5 解析和操作 CSS

AngleSharp 也可以用来解析和操作 CSS：

C#
static async Task Main(string[] args)
{
    var config = Configuration.Default.WithDefaultLoader();
    var context = BrowsingContext.New(config);

    var css = @"
    body {
        font-family: Arial, sans-serif;
        background-color: #f0f0f0;
    }
    .highlight {
        color: red;
        font-weight: bold;
    }";

    var parser = new CssParser();
    var stylesheet = parser.ParseStyleSheet(css);

    foreach (var rule in stylesheet.Rules)
    {
        if (rule is ICssStyleRule styleRule)
        {
            Console.WriteLine($"Selector: {styleRule.SelectorText}");
            foreach (var declaration in styleRule.Style)
            {
                Console.WriteLine($"  {declaration.Name}: {declaration.Value}");
            }
        }
    }
}

3.6 执行 JavaScript

虽然 AngleSharp 主要用于 HTML 和 CSS 解析，但它也提供了一个基本的 JavaScript 执行环境：

C#
static async Task Main(string[] args)  
{
    var config = Configuration.Default.WithJs();
    var context = BrowsingContext.New(config);

    var document = await context.OpenAsync(req => req.Content("<div id='result'></div>"));

    var script = @"
    document.getElementById('result').textContent = 'Hello from JavaScript!';
    ";

    var engine = context.GetService<JsScriptingService>();
    var jsValue = engine.EvaluateScript(document, script);

    var result = document.GetElementById("result");
    Console.WriteLine(result.TextContent); // 输出: Hello from JavaScript!
}

3.7 处理表格数据

AngleSharp 可以很方便地处理 HTML 表格：

C#
static async Task Main(string[] args)
{
    var config = Configuration.Default;
    var context = BrowsingContext.New(config);
    var html = @"
    <table id='dataTable'>
        <tr><th>Name</th><th>Age</th></tr>
        <tr><td>John</td><td>30</td></tr>
        <tr><td>Jane</td><td>25</td></tr>
    </table>";

    var document = await context.OpenAsync(req => req.Content(html));

    var table = document.GetElementById("dataTable") as IHtmlTableElement;

    foreach (var row in table.Rows)
    {
        var cells = row.Cells;
        if (cells.Length == 2)
        {
            Console.WriteLine($"Name: {cells[0].TextContent}, Age: {cells[1].TextContent}");
        }
    }
}

3.8 解析 XML

AngleSharp 不仅可以解析 HTML，还可以解析 XML：

C#
static async Task Main(string[] args)
{
    var xml = @"
    <root>
        <element attribute='value'>
            <child>Content</child>
        </element>
    </root>"
    ;

    var parser = new XmlParser();
    var document = await parser.ParseDocumentAsync(xml);

    var root = document.DocumentElement;
    var element = root.FirstElementChild;
    var attribute = element.GetAttribute("attribute");
    var childContent = element.FirstElementChild.TextContent;

    Console.WriteLine($"Attribute: {attribute}");
    Console.WriteLine($"Child content: {childContent}");
}

4. 错误处理和最佳实践

4.1 使用 try-catch 块

始终使用 try-catch 块来处理可能出现的异常：

C#
try
{
    var document = await context.OpenAsync("https://example.com");
    // 处理文档...
}
catch (AngleSharp.Io.NetworkException ex)
{
    Console.WriteLine($"Network error: {ex.Message}");
}
catch (Exception ex)
{
    Console.WriteLine($"An unexpected error occurred: {ex.Message}");
}

4.2 检查元素是否存在

在访问元素之前，始终检查元素是否存在：

JavaScript
var element = document.QuerySelector(".myClass");
if (element != null)
{
    Console.WriteLine(element.TextContent);
}
else
{
    Console.WriteLine("Element not found");
}

4.3 使用 Linq 与 AngleSharp

AngleSharp 的查询结果可以很好地与 Linq 结合使用：

C#
var paragraphs = document.QuerySelectorAll("p")
    .Where(p => p.ClassList.Contains("important"))
    .Select(p => p.TextContent);

foreach (var text in paragraphs)
{
    Console.WriteLine(text);
}

5. 结论

AngleSharp 是一个强大而灵活的库，它为 C# 开发者提供了丰富的 HTML、CSS 和 XML 处理功能。从简单的文档解析到复杂的 DOM 操作，AngleSharp 都能胜任。

通过本文提供的示例，你应该能够处理大多数与 Web 文档解析和操作相关的任务。AngleSharp 的 API 设计直观，使得即使是复杂的操作也能够简单地实现。

在使用 AngleSharp 时，请记住正确处理异常，并考虑性能影响。对于需要处理大量文档或执行频繁操作的情况，可能需要考虑使用缓存或其他优化技术。

目录