GetElementById来自HttpWebResponse

Question

最近，我正在与网页刮刮‘乐趣’。我想使用的网站没有API，所以我别无选择，我不得不这样做。

我遇到的问题之一是读取HTML树的元素(我指的是标签、内部文本之类的东西)。我使用HttpWebRequest和HttpWebResponse向服务器发送GET/POST请求。

有了webResponse，我可以这样读取HTML源代码：

StreamReader sr = new StreamReader(webResponse.GetResponseStream(), Encoding.UTF8);
string sourceCode = sr.ReadToEnd();

我需要的是这个value标记的input：

<form action="/file.php" method="post">
    <input name="abc" id="abc" type="hidden" value="some_random_value" />
</form>

我怎么能这么做？

Answer 1

我会用HtmlAgilityPack

string html = @"<form action=""/file.php"" method=""post"">
                <input name=""abc"" id=""abc"" type=""hidden"" value=""some_random_value"" />
                </form>";
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);

//Xpath
var value1 = doc.DocumentNode.SelectSingleNode("//input[@id='abc']")
                             .Attributes["value"].Value;

//Linq
var value2 = doc.DocumentNode.Descendants("input")
                .First(i => i.Attributes["id"] != null && 
                            i.Attributes["id"].Value == "abc")
                .Attributes["value"].Value;

Answer 2

其中一种方法是使用HTML解析HTML，然后使用XPath简单地选择所需的元素。

这将比尝试从包含HTML的字符串中正则化相关代码要干净得多。

http://htmlagilitypack.codeplex.com/