抓取网页数据 A标签的HREF 值_webkit提取a标签的href值-优快云博客

本文介绍了一个名为Winista.HtmlParser.dll的工具类，它能帮助用户从有规律的网页中轻松提取所需数据，如table、ul、li等元素。通过使用这个类，用户可以避免复杂的正则表达式或字符串处理，简化了数据抓取过程。文章提供了实例代码，展示了如何在实际应用中调用该类进行数据提取。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在工作中，我们有时候需要从特定的网页中抓取我们想要的数据，由于工作的需要，我给大家推荐一个专门的抓取类：Winista.HtmlParser.dll

当我们需要从有规律的网页中提取数据时，如table tr td; ul li之类的，如果用正则表达式，或者做字符串的处理，会非常头痛。

上面的这个类可以解决此类问题。

首先，在工程文件的BIN目录里添加引用这个类，然后在页面中添加一些命名空间，

using Winista.Text.HtmlParser.Visitors;
using Winista.Text.HtmlParser;
using Winista.Text.HtmlParser.Util;

using Winista.Text.HtmlParser.Filters;

using Winista.Text.HtmlParser.Tags;

先上传一个类，包含了二个经常用到的方法

/// <summary> /// 根据源代码和标签名称得到节点列表 /// </summary> /// <param name="_sourceStr">源代码</param> /// <param name="_tagName">标签名称</param> /// <returns></returns> public static NodeList GetNode(string _sourceStr, string _tagName) { try { NodeFilter filter; Parser parser = Parser.CreateParser(_sourceStr, "utf-8"); //utf-8 filter = new TagNameFilter(_tagName); NodeList nodeList = parser.Parse(filter); return nodeList; } catch { return null; } } /// <summary> /// 根据源代码，标签名，属性名，属性值返回节点列表 /// </summary> /// <param name="_sourceStr">源代码</param> /// <param name="_tagName">标签名</param> /// <param name="_tagAttributeName">属性名</param> /// <param name="_tagAttributeValue">属性值</param> /// <returns></returns> public static NodeList GetNode(string _sourceStr, string _tagName, string _tagAttributeName, string _tagAttributeValue) { try { NodeFilter filter; Parser parser = Parser.CreateParser(_sourceStr, "utf-8"); //utf-8 filter = new AndFilter(new TagNameFilter(_tagName), new HasAttributeFilter(_tagAttributeName,_tagAttributeValue )); NodeList nodeList = parser.Parse(filter); return nodeList; } catch { return null; } }

下面是具体的调用

using System; using System.Configuration; using System.Data; using System.Linq; using System.Web; using System.Web.Security; using System.Web.UI; using System.Web.UI.HtmlControls; using System.Web.UI.WebControls; using System.Web.UI.WebControls.WebParts; using System.Xml.Linq; using System.Data.SqlClient; using Winista.Text.HtmlParser.Visitors; using Winista.Text.HtmlParser; using Winista.Text.HtmlParser.Util;//包含ParserExceptiongjgjg using Winista.Text.HtmlParser.Filters; using Winista.Text.HtmlParser.Tags; public partial class _Default : System.Web.UI.Page { protected void Page_Load(object sender, EventArgs e) { } /// <summary> /// /// </summary> /// <param name="sender"></param> /// <param name="e"></param> protected void Button1_Click(object sender, EventArgs e) { string tempStr = string.Empty; ITag tag; string strSourceCode = "<ul class=/"list14_Lgra/"><li>"+ "<a href="/" mce_href="/""http://money.163.com/special/002549OJ/fushikangzhibian.html/">财经博见：富士康不是血汗工厂</a></li>"+ "<li><a href="/" mce_href="/""http://blog.163.com/su1286@126/blog/static/2545306620104212318664//">苏东：征收房产税绝对降不了房价</a></li>"+ "<li><a href="/" mce_href="/""http://sunlijianblog.blog.163.com/blog/static/507251042010421111629306//">孙立坚：如何看待鼓励民资的新36条？</a></li>"+ "</ul>"; NodeList nodeList = Lottery_tools.GetNode(strSourceCode,"a"); if (nodeList != null) { for (int i = 0; i < nodeList.Count; i++) { tag = nodeList[i] as ITag; tempStr += tag.GetAttribute("href")+"|"; //所有A标签的href值的集合 } } } }

有时间再把抓取table,ul的也整理一下，希望对大家有用，网上关于这方面的资料也有，但不是很全，主要还是靠自己摸索，