IronPython和BeautifulSoup，win32应用程序

IronPython和BeautifulSoup，win32应用程序

我一直在问自己同样的问题，在努力遵循这里和其他地方的建议以使IronPython和BeautifulSoup与我现有的代码很好地配合使用后，我决定寻找替代的本机.NET解决方案。BeautifulSoup是一段很棒的代码，起初它看起来似乎没有可与.NET相提并论的东西，但是后来我找到了HTML
Agility
Pack，

并且我认为我确实比BeautifulSoup获得了一些可维护性。它采用干净或简洁的HTML，并从中生成优雅的XML
DOM，可以通过XPath查询。使用几行代码，您甚至可以取回原始Xdocument，然后在LINQ to
XML中编写查询。老实说，如果您要进行网络抓取，那么这就是您可能会找到的最干净的解决方案。

编辑

这是一个简单的示例（阅读：一点也不鲁棒），它解析了美国众议院的假期时间表：

using System;using System.Collections.Generic;using HtmlAgilityPack;namespace GovParsingTest{    class Program    {        static void Main(string[] args)        { HtmlWeb hw = new HtmlWeb(); string url = @"http://www.house.gov/house/House_Calendar.shtml"; Htmldocument doc = hw.Load(url); HtmlNode docNode = doc.documentNode; HtmlNode div = docNode.SelectSingleNode("//div[@id='primary']"); HtmlNodeCollection tableRows = div.SelectNodes(".//tr"); foreach (HtmlNode row in tableRows) {     HtmlNodeCollection cells = row.SelectNodes(".//td");     HtmlNode dateNode = cells[0];     HtmlNode eventNode = cells[1];     while (eventNode.HasChildNodes)     {         eventNode = eventNode.FirstChild;     }     Console.WriteLine(dateNode.InnerText);     Console.WriteLine(eventNode.InnerText);     Console.WriteLine(); } //Console.WriteLine(div.InnerHtml); Console.ReadKey();        }    }}