使用 HtmlAgilityPack 解析 ASP 元素答案

【问题标题】：Parsing ASP Elements with HtmlAgilityPack使用 HtmlAgilityPack 解析 ASP 元素
【发布时间】：2014-05-04 15:24:05
【问题描述】：

我有一个基本的 ASPX 页面：

<%@ Page Language="C#" MasterPageFile="SomeMasterPage.master" AutoEventWireup="true" %>
<h1>My ASPX Page</h1>
<div class="content">
    <p>Some content goes here.</p>
</div>

使用HtmlAgilityPack，我想从ASPX 页面获取第一行并访问其属性（Language、MasterPageFile 和AutoEventWireup）。但是，当我尝试使用 HtmlAgilityPack 加载页面的 HTML 时，第一行作为文本节点返回。

public static class Program
{
    public static void Main(string[] args)
    {
        var parser = new Parser();
        parser.Parse("some-page.aspx");
    }
}

public class Parser
{
    public void Parse(string path)
    {
        HtmlDocument document = new HtmlDocument();
        document.Load(path);

        HtmlNode childNode = document.DocumentNode.ChildNodes[0]; 
        // childNode is an HtmlTextNode
    }
}

我意识到开头的 ASPX 行实际上不是 HTML，这很可能是 HtmlAgilityPack 将其作为文本节点返回的原因。现在，我可以使用这个返回的文本来手动解析属性中的值，但我宁愿将其视为标准的 HTML 节点。有什么方法可以教 HtmlAgilityPack 将顶行视为 HTML 节点？

【问题讨论】：

标签： c# asp.net parsing html-agility-pack

【解决方案1】：

我认为没有办法让HtmlAgilityPack 将无效元素读取为 html 元素。来个小技巧怎么样：

//get the first line string
var firstNodeText = doc.DocumentNode.ChildNodes[0].InnerHtml;

//do simple string manipulation to change invalid element to become a valid html element
//in this example we change this : <%@ .... %> to become : <_asp .... />
HtmlNode firstNode = HtmlNode.CreateNode(firstNodeText.Replace("<%@", "<_asp").Replace("%>", "/>"));

【讨论】：