CSharp/tools/HtmlAgilityPack - 豚吐露＠wiki

---

HtmlAgilityPack

---

Windows 7 Professional
Visual Studio 2013 Professional
HtmlAgilityPack 1.4.9

---

HtmlAgilityPack
http://www.nuget.org/packages/HtmlAgilityPack

HTMLに対してセレクタなどの機能を提供してくれる。

---

～ install ～
VisualStudioのメニューから[ツール]-[NuGet パッケージ マネージャー]-[パッケージ マネージャー コンソール]を選択し、以下を入力。

PM> Install-Package HtmlAgilityPack

GUIでやりたかったら、[ツール]-[NuGet パッケージ マネージャー]-[ソリューションの NuGet パッケージの管理]を選択。
左のリストから『オンライン』を選択し、右上の『オンライン の検索』欄へ『HtmlAgilityPack』と入力すると、真ん中の検索結果一覧に『HtmlAgilityPack』ってのが出てくるハズ。
それを選択して、『インストール』ボタンを押下するだけ。
この時、『HtmlAgilityPack』を使うpjを指定するチェックリストが出てくるので、使いたいpjにだけチェックを入れたら良い。

---

～ 設定 ～

色々設定があるらしい。
HtmlDocumentに『Option』で始まる設定が色々用意されてる。使いたい機能の設定を変更してからhtmlを読み込む。

OptionAddDebuggingAttributes	debug用nodeに属性を追加する
OptionAutoCloseOnEnd	閉じてないタグを閉じる？
OptionCheckSyntax	シンタックスチェック	True/False
OptionComputeChecksum
OptionDefaultStreamEncoding
OptionExtractErrorSourceTextMaxLength
OptionExtractErrorSourceText
OptionFixNestedTags	閉じてないタグを閉じる？
OptionOutputAsXml
OptionOutputOptimizeAttributeValues
OptionOutputOriginalCase
OptionOutputUpperCase
OptionReadEncoding
OptionStopperNodeName
OptionUseIdAttribute
OptionWriteEmptyNodes

タグが正しく閉じられていなかった場合、挙動がおかしい事があったので注意。
HtmlDocumentにHTML書式のチェックのようなオプションがあったと思う。→

---

～ 素材の開き方 ～

• HTMLファイルをいじる

HtmlDocument html = new HtmlDocument();
html.Load(htmlPath); // htmlPath: 相対or絶対pathでhtmlファイルを指定 

• HTML文字列をいじる

HtmlDocument html = new HtmlDocument();
html.LoadHtml(htmlStr); // htmlStr: なんらかの方法で取得したHTML文字列 

---

～ nodeの取得方法 ～

• 1つのnodeを取得

html.DocumentNode.SelectSingleNode(xPath);

• 複数のnodeを取得

html.DocumentNode.SelectNodes(xPath);

※xPathには XPath 形式でnodeを指定する

SelectSingleNode	該当するタグの最初の1つだけが取得される。
SelectNodes	該当するタグがcollectionで取得される。対象が1つでもcollectionで取得される。 collectionなので、取得した後LINQやforeachを使うことができる。

以下、具体的な取得方法。

---

～ nodeの指定方法 ～

• classを指定して取得

e.g.) hogeClassというclassが付いてるtableタグの内容を取得

var nodes = html.DocumentNode.SelectNodes("//table[@class='hogeClass']");

• idを指定して取得

e.g.) hogeIdというIDが付いてるtableタグの内容を取得

var node = html.DocumentNode.SelectSingleNode("//table[@id='hogeId']");

• タグを指定して取得

e.g.) divタグを取得

var nodes = html.DocumentNode.SelectNodes("//div");

• 上記の条件を複合指定

e.g.) classにhogeが付いてるdivタグの下のtableタグの内容を取得

var node = html.DocumentNode.SelectSingleNode("//div[@class='hoge']/table");

---

～ 取ったnodeの使い方 ～

• nodeの値

var val = node.InnerHtml;

• nodeの任意の属性

e.g.) classの取得

var val = div.GetAttributeValue("class", "");

※第2引数は取れなかった場合に返される値。string、bool、intで指定できる。

---

更新日： 2014年12月22日 (月) 15時58分26秒