C#使用HtmlAgilityPack解析Html 爬取图片和视频

HtmlAgilityPack简介

HtmlAgilityPack是.net下的一个HTML解析类库。支持用XPath来解析HTML。

问题来了,有人就会问为什么要使用能XPath呢？小编答：因为对于在web端界面上的元素的xpath，在大部分游览器能够直接获取到，不用手动写。

✍对于HtmlAgilityPack总结：通过这个类库，先通过浏览器获取到xpath获取到节点内容然后再通过正则表达式匹配所需要的内容。

使用HtmlAgilityPack库的操作流程

工具VS2022

NuGet包进行下载安装

HtmlAgilityPack库的一些类的说明

HtmlAttribute--Html元素的属性
HtmlAttributeCollection--一个元素属性的集合
HtmlNode--HTML节点，包括注释，文本，元素等
HtmlNodeCollection--一个HtmlNode节点集合
HtmlNodeType--一个枚举表示节点的类型，文档，注释，元素，文本
HtmlTextNode--Html文本节点
HtmlEntity--对应实体
HtmlParseError--表示文档在解析过程中发现解析错误
下面示例适配部分没有反编译的---初步学习使用

private void Button_Click(object sender, RoutedEventArgs e) {

    //这里因为网页上有些是动态获取数据，所以引入了一个第三个库，使用里面的一个WebView2控件获取网页数据

            webView.Source = new Uri(txt.Text);

        }

        private void Button_Click_1(object sender, RoutedEventArgs e) {

            GetMedia(".//img", @"下载路径");

        }

        private void Button_Click_2(object sender, RoutedEventArgs e) {

            GetMedia(".//video", @"下载路径");

            GetMedia(".//source", @"下载路径");

        }

        HtmlDocument doc=new HtmlDocument();

        public async void GetMedia(string parameter, string dir) {

            var str = "";

            //解决网页乱码和不适配

            object obj = await webView.CoreWebView2.ExecuteScriptAsync("document.documentElement.outerHTML");

            str=Regex.Unescape(obj.ToString()).Replace("\"<html>", "<html>").Replace("</html>\"", "</html>");

            doc.LoadHtml(str);

            var elements = doc.DocumentNode.SelectNodes(parameter);

            if (elements != null) {

                foreach (var el in elements) {

                    if (el.Attributes.Contains("src")) {

                        var url = el.Attributes["src"].Value;

                        if (!string.IsNullOrEmpty(url) && url.StartsWith("http")) {

                            Uri uri = new Uri(url);

                            var fileName=uri.Segments.Last().ToLower();

                            DownLoad(url, $@"{dir}{fileName}");

                        }

                    }

                }

            }

        }

        public static bool DownLoad(string uri, string localFileName) {

            try {

                string ext = Path.GetExtension(localFileName);

                if (string.IsNullOrEmpty(ext)) {

                    localFileName += ".png";

                }

                var server = new Uri(uri);

                var p = Path.GetDirectoryName(localFileName);

                if (!Directory.Exists(p)) Directory.CreateDirectory(p);

                // 发起请求并异步等待结果

                var httpClient = new HttpClient();

                var responseMessage = httpClient.GetAsync(server).Result;

                if (responseMessage.IsSuccessStatusCode) {

                    using (var fs = File.Create(localFileName)) {

                        // 获取结果，并转成 stream 保存到本地。

                        var streamFromService = responseMessage.Content.ReadAsStreamAsync().Result;

                        streamFromService.CopyTo(fs);

                        return true;

                    }

                } else

                    return false;

            } catch {

                return false;

            }

C#使用HtmlAgilityPack解析Html 爬取图片和视频的更多相关文章

python如何使用request爬取图片
下面是代码的简单实现,变量名和方法都是跑起来就行,没有整理,有需要的可以自己整理下: image2local: import requests import time from lxml import ...
爬取图片过程遇到的ValueError: Missing scheme in request url: h 报错与解决方法
一 .scrapy整体框架 1.1 scrapy框架图 1.2 scrapy框架各结构解析 item:保存抓取的内容 spider:定义抓取内容的规则,也是我们主要编辑的文件 pipelines:管道 ...
python +requests 爬虫-爬取图片并进行下载到本地
因为写12306抢票脚本需要用到爬虫技术下载验证码并进行定位点击所以这章主要讲解,爬虫,从网页上爬取图片并进行下载到本地爬虫实现方式: 1.首先选取你需要的抓取的URL:2.将这些URL放入待抓 ...
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.h ...
Java jsoup爬取图片
jsoup爬取百度瀑布流图片是的,Java也可以做网络爬虫,不仅可以爬静态网页的图片,也可以爬动态网页的图片,比如采用Ajax技术进行异步加载的百度瀑布流. 以前有写过用Java进行百度图片的抓取, ...
[python爬虫] 爬取图片无法打开或已损坏的简单探讨
本文主要针对python使用urlretrieve或urlopen下载百度.搜狗.googto(谷歌镜像)等图片时,出现"无法打开图片或已损坏"的问题,作者对它进行简单的探讨.同时 ...
scrapy爬虫，爬取图片
一.scrapy的安装: 本文基于Anacoda3, Anacoda2和3如何同时安装? 将Anacoda3安装在C:\ProgramData\Anaconda2\envs文件夹中即可. 如何用con ...
scrapy爬虫系列之三--爬取图片保存到本地
功能点:如何爬取图片,并保存到本地爬取网站:斗鱼主播完整代码:https://files.cnblogs.com/files/bookwed/Douyu.zip 主要代码: douyu.py im ...
孤荷凌寒自学python第八十二天学习爬取图片2
孤荷凌寒自学python第八十二天学习爬取图片2 (完整学习过程屏幕记录视频地址在文末) 今天在昨天基本尝试成功的基础上,继续完善了文字和图片的同时爬取并存放在word文档中. 一.我准备爬取一个有文 ...
孤荷凌寒自学python第八十一天学习爬取图片1
孤荷凌寒自学python第八十一天学习爬取图片1 (完整学习过程屏幕记录视频地址在文末) 通过前面十天的学习,我已经基本了解了通过requests模块来与网站服务器进行交互的方法,也知道了Beauti ...

随机推荐

Tarjan强连通分量(scc)
概念解释节点强连通:\(v_i\)与\(v_j\)(\(v_i ≠ v_j\))强连通是指从\(vi\)到\(vj\)和从\(vj\)到\(vi\)都存在路径,即两节点互相可达强连通图:在有向图\ ...
eval有时候也可以用，而且有奇效
eval,一个我曾经避之不及的函数,最近我对它产生了一点新的感触:eval有时候也可以用,有奇效. 一般在使用js进行开发时,是不建议使用eval这类函数的.在JavaScript中,eval可以计算 ...
LeetCode 周赛 338，贪心 / 埃氏筛 / 欧氏线性筛 / 前缀和 / 二分查找 / 拓扑排序
本文已收录到 AndroidFamily,技术和职场问题,请关注公众号 [彭旭锐] 提问. 大家好,我是小彭. 上周末是 LeetCode 第 338 场周赛,你参加了吗?这场周赛覆盖的知识点很多,第 ...
全渠道定价、库存决策，运筹混合整数规划建模求解，MNL选择模型，内附代码！
0. 写在前面刊论文!模型简单,代码实现更简单,墙裂推荐!可为运筹建模提供参考,也可作为全渠道零售研究的入门资料ε٩(๑> ₃ <)۶з 全文有点长,前面先放一个博文结构和涉及内容: 第 ...
多台服务器之间配置ssh免密登录
需求:假设有N台服务器,N台服务器之间都需要配置相互间免密登录步骤1:在一台服务器上安装ansible yum -y install epel-release && yum -y ...
关于Cookie要懂的知识
☞演示什么是Cookie? http是一个无状态协议,它不对之前发生过的请求和响应的状态进行管理.这样就可能导致,我们登陆一个网站后,每次跳转新页面,之前的登陆状态都不能被记住,要重新登陆等问题. ...
docker方式实现postgres数据持久化离线安装
保存镜像 root@hello:~# docker pull postgres Using default tag: latest latest: Pulling from library/postg ...
Cesium案例（八） Terrain
第一步正常建viewer,需要注意的是官网例子属性值比较老,最新版本的属性值有所差异,全copy官网会无法运行,提示函数未定义. 第一处差异官网: 1 const viewer = new Cesi ...
用 hexo 结合 github 从0到1开始搭建属于你的blog
前言 github pages服务搭建博客的好处有: 全是静态文件,访问速度快: 免费方便,不用花一分钱就可以搭建一个自由的个人博客,不需要服务器不需要后台: 可以随意绑定自己的域名,不仔细看的话根本 ...
【OpenAI】私有框架代码生成实践
作者:京东零售牛晓光根据现有调研和实践,由OpenAI提供的ChatGPT/GPT-4模型和CodeX模型能够很好的理解和生成业界大多数编程语言的逻辑和代码,其中尤其擅长Python.JavaSc ...