HtmlAgilityPack解析全国区号页面到XML

需求：完成一个城市和区号的xml配置文件

处理思路：通过HtmlAgilityPack解析一个区号页面，生产xml文件

页面：http://www.hljboli.gov.cn/html/code.html

代码：

   public void LoadUrl(string url)

         {

             try

             {

                 //Tab1

                 this.webBrowser1.Url = new Uri(url);

                 HtmlWeb web = new HtmlWeb();

                 //不加这行中文会乱码

                 web.OverrideEncoding = Encoding.Default;

                 HtmlAgilityPack.HtmlDocument doc = web.Load(url);

                 //通过反射获取 internal 字段值

                 FieldInfo info = doc.GetType().GetField("Text", BindingFlags.Instance | BindingFlags.NonPublic);

                 var text = info.GetValue(doc).ToString();

                 //Tab2

                 this.richTextBox1.Text = text;

                 var sb = new StringBuilder();

                 sb.Append("<?xml version=\"1.0\" encoding=\"utf-8\" ?>").AppendLine();

                 sb.Append("<codes>").AppendLine();

                 //xpath表达式

                 var provinceNodes = doc.DocumentNode.SelectNodes("//tr");

                 //过滤重复的区号

                 var tempList = new List<string>();

                 foreach (var provinceNode in provinceNodes)

                 {

                     //xpath表达式

                     var cityNodes = provinceNode.SelectNodes("td");

                     if (cityNodes.Count == )

                     {

                         if (cityNodes[].InnerText != "&nbsp;") //去除空白行

                             sb.AppendFormat("<!--{0}-->", cityNodes[].InnerText).AppendLine();

                     }

                     if (cityNodes.Count == )

                     {

                         if (cityNodes[].InnerText != "长途区号")

                         {

                             if (!tempList.Contains(cityNodes[].InnerText))

                             {

                                 sb.AppendFormat("<code name=\"{0}\" value=\"{1}\" />", cityNodes[].InnerText, cityNodes[].InnerText).AppendLine();

                                 tempList.Add(cityNodes[].InnerText);

                             }

                             if (cityNodes[].InnerText != "&nbsp;" && !tempList.Contains(cityNodes[].InnerText))//去除行不满情况

                             {

                                 sb.AppendFormat("<code name=\"{0}\" value=\"{1}\" />", cityNodes[].InnerText, cityNodes[].InnerText).AppendLine();

                                 tempList.Add(cityNodes[].InnerText);

                             }

                         }

                     }

                 }

                 sb.Append("</codes>").AppendLine();

                 this.richTextBox2.Text = sb.ToString();

             }

             catch (Exception)

             {

             }

         }

注意：
1.中文乱码，需要设置    web.OverrideEncoding = Encoding.Default;

2.通过反射访问HtmlDocument的内置字段Text获取body的内容

FieldInfo info = doc.GetType().GetField("Text", BindingFlags.Instance | BindingFlags.NonPublic);
     var text = info.GetValue(doc).ToString();

3.通过xpath表达式获取节点元素