Очистка веб-страницы с помощью C # и HTMLAgility
Я читал, что HTMLAgility 1.4 - отличное решение для очистки веб-страницы. Как новый программист, я надеюсь, что смогу получить какой-то вклад в этот проект. Я делаю это как форму заявки на C #. Страница, с которой я работаю, довольно проста. Нужная мне информация застряла между двумя тегами и . Моя цель - извлечь данные для Part-Num, Manu-Number, Description, Manu-Country, Last Modified, Last Modified By со страницы и отправить данные в таблицу sql. Одна из особенностей заключается в том, что есть также небольшая картинка в формате png, которую также нужно взять из src = "/ partcode / number.
У меня нет готового кода, который работает. Я думал, что этот фрагмент кода скажет мне, если Я двигаюсь в правильном направлении. Даже зайдя в отладку, я не вижу, что она что-то делает. Может ли кто-нибудь указать мне в правильном направлении по этому поводу. Чем больше подробностей, тем лучше, поскольку очевидно, что мне нужно многому научиться . Спасибо, я был бы очень признателен.
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using HtmlAgilityPack;
using System.Xml;
namespace Stats
{
class PartParser
{
static void Main(string[] args)
{
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://localhost");//my understanding this reads the entire page in?
var tables = doc.DocumentNode.SelectNodes("//table");// I assume that this sets up the search for words containing table
}
catch (Exception ex)
{
Console.WriteLine(ex.Message);
Console.WriteLine(ex.StackTrace);
Console.ReadKey();
}
}
}
}
Веб-код:
<!DOCTYPE html
PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
<head>
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8" />
<title>Part Number Database: Item Record</title>
<table class="data">
<tr><td>Part-Num</td><td width="50"></td><td><img src="/partcode/number/072140" alt="072140"/></td></tr>
<tr><td>Manu-Number</td><td width="50"></td><td><img src="/partcode/manu/00721408" alt="00721408" /></td></tr>
<tr><td>Description</td><td></td><td>Widget 3.5</td></tr>
<tr><td>Manu-Country</td><td></td><td>United States</td></tr>
<tr><td>Last Modified</td><td></td><td>26 Jan 2009, 8:08 PM</td></tr>
<tr><td>Last Modified By</td><td></td><td>Manu</td></tr>
</table>
<p>
</body>
</html>