CsQuery——比HtmlAgilityPack更好用的网页解析库

作者：V君发布于：2016-1-31 5:58 Sunday 分类：折腾手记

之前写爬虫总是用HtmlAgilityPack来解析HTML，当坐骑来用.

直到室友L同学推荐用这货之后，发现自己还在用那么落伍的东西，整个人都不好了，果断换坐骑.

这货不仅能解析HTML，还能操作内容之后再吐出来，模板引擎啊这是! (貌似还可以嵌入到MVC...

尽管HtmlAgilityPack也能操作内容，并且再吐出来. 但是两者用法差别到上天下地.

废话不多说直接上代码比较!

■装载HTML和初始化导航器

老掉牙的HtmlAgilityPack要三行代码才能完成

var doc = new HtmlDocument();
doc.LoadHtml(html);
var nav (HtmlNodeNavigator)doc.CreateNavigator();

用CsQuery的话只需要一行代码就可以了!

CQ doc = html;

这货可以通过隐式转换直接把字符串装入! 并且对象本身就是导航器!

(说到CQ，就想起黑羽宁子CQCQ召唤骇客大神小霞啊魂淡!)

■查询元素并取出内容文本

老掉牙的HtmlAgilityPack要XPATH，并且取出内容并不方便

nav.Select("*//span[@id='entryName']/text()")
.Cast<XPathItem>()
.Select(p => p.Value)
.FirstOrDefault();

然而CsQuery跟JQuery一样的选择器语法，在我大井里面写成索引器

doc["span#entryName"].Text();

■查询元素并取出属性值

老掉牙的HtmlAgilityPack尽管用一个表达式一次调用就能打到底，但是接收返回值还是蛋疼了点

nav.Select("*//a[@id='entryLink']/@href")
.Cast<XPathItem>()
.Select(p => p.Value)
.FirstOrDefault();

用CsQuery分两次调用取到值，但比起上面的代码简洁到爆，有木有

q["a#entryLink"].Attr("href")

碉堡了有木有，咱之前是很讨厌JQuery的，特别是稍稍熟悉就以为自己掉渣天的家伙们

于是自己的东西一直写着原生JS，当然，工作方面的还是该咋滴咋滴，要求用啥就用啥

好啦，现在，就连我大井也有JQuery的移植版了，美其名曰 CsQuery

还有更复杂的用法，但这两个示例足以体现代码差异.

~EOF

标签: 软件开发 C# 模板引擎 MVC 爬虫 HTML

« 在Debian Linux搭建rsync备份服务端并在windows使用客户端 | 使用SOCKET需谨慎,莫让TCP Keep-Alive把你流量耗光»

引用地址:

评论：

果果蛋
2016-06-07 11:22

博主怎么联系你，我想请教你关于.net爬虫的问题

V君
2016-06-07 13:24

@果果蛋：可以留下邮箱,然后加IM.
当然, 直接在这里问,给博客刷点人气更好(=ﾟωﾟ)=

发表评论：

V君的博客

中二死宅无脑码农　中二御宅コーダー　Chuuni Otaku Coder　　　　　　　　TOPCL = The Open Productivity Creative Laboratory ?