HTML Scrape Table to CSV（使用HAP？）

Question

所以我試圖將以下數據解析爲CSV。從我的閱讀中，聽起來像是使用HAP的最佳方式，因爲它具有強大的解析器。

dynamic doc = this.wbControl.Document; 

內容

 <div class="content"> 
       <fieldset> 
        <ul class="fieldsetr"> 
         <li class="row medium"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Sender:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>me@example.com</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium alt"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Recipient:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>me2@example2.com</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Message ID:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>2342342345235</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium alt"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Message size:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>18.74 KB 
            </em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Date and time received:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>11/27/2012 6:17:22 AM</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium alt"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Date and time filtered:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>11/27/2012 6:17:22 AM</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium"> 
          <!-- Connector Details --> 

         </li>        
         <li class="row medium alt"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">First delivery attempt:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>11/27/2012 6:17:23 AM</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Final delivery attempt:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>11/27/2012 6:17:23 AM</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium alt"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">From IP address:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>1.2.3.4 &lt;unknown&gt;</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">To IP address:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>4.3.2.1 &lt;mail.example2.com&gt; </em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium alt"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Filtering results:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <em>Passed Filtering</em> 
           </div> 
          </div> 
         </li> 
         <li class="row medium"> 
          <div class="field"> 
           <div class="shell"> 
            <em class="disable">Delivery result:</em> 
           </div> 
          </div> 
          <div> 
           <div class="clip"> 
            <span><em>Delivered: 470 2.4.0 &lt;2342342345235&gt; [InternalId=2321233] Queued mail for delivery</em></span> 
           </div> 
          </div> 
         </li> 
        </ul> 
       </fieldset> 
     </div> 

什麼是我該數據轉換的最佳方式：

截至目前，在WPF WebBrowser控件的內容正在被訪問？這只是一個記錄，但會添加更多記錄。

編輯

結束了使用下面的代碼來測試它：

  HtmlAgilityPack.HtmlDocument docHAP = new HtmlAgilityPack.HtmlDocument(); 
      docHAP.LoadHtml(doc.Body.InnerHtml.ToString()); 

      foreach(HtmlNode emNode in docHAP.DocumentNode.SelectNodes("//em")) 
      { 
       MessageBox.Show(emNode.InnerText.ToString()); 
      } 

如果任何人有一個更有效的解決方案，請隨時讓我知道。

Answer 1

是的，使用HTML Agilty Pack - 它是一個用於.NET的開源HTML解析器。

什麼是Html Agility Pack（HAP）？

這是一個敏捷的HTML解析器，它構建了一個讀/寫DOM並支持普通的XPATH或XSLT（實際上，您不需要理解XPATH或XSLT就可以使用它，不用擔心）。它是一個.NET代碼庫，允許您解析「離開網頁」的HTML文件。解析器對「真實世界」格式錯誤的HTML非常寬容。對象模型與提出System.Xml非常相似，但是對於HTML文檔（或流）。

您可以使用它來查詢HTML並提取您希望的任何數據。

只需使用XPath即可獲得任何特定的element/attribute/text數據。

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument(); 
doc.LoadHtml(this.wbControl.Document); 

// get all the 'em' tags from HTML 
foreach(HtmlNode emNode in doc.DocumentElement.SelectNodes("//em") 
{  
    if (emNode.Attributes["class"] != null) 
     var value = emNode.Attributes["class"].Value; 
} 

// get all the `em` tags where 'class' attribute value is 'disable' from HTML 
foreach(HtmlNode emNode in doc.DocumentElement 
           .SelectNodes("//em[@class='disabled']") 
{  
    // ... 
}