C# 使用XPath解析网页

1、需要安装库HtmlAgilityPack ,官网http://htmlagilitypack.codeplex.com/

// From File

var doc = new HtmlDocument();

doc.Load(filePath);

// From String

var doc = new HtmlDocument();

doc.LoadHtml(html);

// From Web

var url = "http://html-agility-pack.net/";

var web = new HtmlWeb();

var doc = web.Load(url);

//XPath

var nodes = doc.DocumentNode.SelectNodes("//*[@id=\"body\"]");

XPath语法：http://www.w3school.com.cn/xpath/xpath_syntax.asp

其他解析网页的方法：（引用至：https://blog.csdn.net/shenmegui_zyf/article/details/78784464）

方法一：使用WebClient

static void Main(string[] args)

{

    try {

        WebClient MyWebClient = new WebClient();

        MyWebClient.Credentials = CredentialCache.DefaultCredentials;//获取或设置用于向Internet资源的请求进行身份验证的网络凭据

        Byte[] pageData = MyWebClient.DownloadData(“http://www.163.com”); //从指定网站下载数据

        string pageHtml = Encoding.Default.GetString(pageData);  //如果获取网站页面采用的是GB2312，则使用这句

        //string pageHtml = Encoding.UTF8.GetString(pageData); //如果获取网站页面采用的是UTF-8，则使用这句

        Console.WriteLine(pageHtml);//在控制台输入获取的内容

        using (StreamWriter sw = new StreamWriter("c:\\test\\ouput.html"))//将获取的内容写入文本

        {

            sw.Write(pageHtml);

        }

        Console.ReadLine();

    }

    catch(WebException webEx) {

        Console.WriteLine(webEx.Message.ToString());

    }

}

方法二：使用WebBrowser

WebBrowser web = new WebBrowser();

web.Navigate("http://www.xjflcp.com/ssc/");

web.DocumentCompleted += new WebBrowserDocumentCompletedEventHandler(web_DocumentCompleted);

void web_DocumentCompleted(object sender, WebBrowserDocumentCompletedEventArgs e)

        {

            WebBrowser web = (WebBrowser)sender;

            HtmlElementCollection ElementCollection = web.Document.GetElementsByTagName("Table");

            foreach (HtmlElement item in ElementCollection)

            {

                 File.AppendAllText("Kaijiang_xj.txt", item.InnerText);

            }

        }

方法三：使用HttpWebRequest/HttpWebResponse

HttpWebRequest httpReq;

HttpWebResponse httpResp;

string strBuff = "";

char[] cbuffer = new char[];

int byteRead = ;

string filename = @"c:\log.txt";

///定义写入流操作

public void WriteStream()

{

　　Uri httpURL = new Uri(txtURL.Text);

　　///HttpWebRequest类继承于WebRequest，并没有自己的构造函数，需通过WebRequest的Creat方法 建立，并进行强制的类型转换

   httpReq = (HttpWebRequest)WebRequest.Create(httpURL);

　　///通过HttpWebRequest的GetResponse()方法建立HttpWebResponse,强制类型转换

   httpResp = (HttpWebResponse) httpReq.GetResponse();

　　///GetResponseStream()方法获取HTTP响应的数据流,并尝试取得URL中所指定的网页内容

 　 ///若成功取得网页的内容，则以System.IO.Stream形式返回，若失败则产生ProtoclViolationException错 误。在此正确的做法应将以下的代码放到一个try块中处理。这里简单处理

　　Stream respStream = httpResp.GetResponseStream();

 　///返回的内容是Stream形式的，所以可以利用StreamReader类获取GetResponseStream的内容，并以

 　 StreamReader类的Read方法依次读取网页源程序代码每一行的内容，直至行尾（读取的编码格式：UTF8）

　　StreamReader respStreamReader = new StreamReader(respStream,Encoding.UTF8);

　　byteRead = respStreamReader.Read(cbuffer,,);

　　while (byteRead != )

　　{

　　　　string strResp = new string(cbuffer,,byteRead);

       strBuff = strBuff + strResp;

       byteRead = respStreamReader.Read(cbuffer,,);

　　}

　　respStream.Close();

　　txtHTML.Text = strBuff;

}