[英]Get Page Main Content using the URL
我需要能够从某个URL获取页面主要内容。 关于我需要做的一个很好的例子如下: http : //embed.ly/docs/explore/preview?url=http%3A%2F%2Fedition.cnn.com%2F2012%2F08%2F20%2Fworld% 2Fmeast%2Fflight恐惧症男孩长的路回家%2Findex.html%3Fiid%3Darticle_sidebar
我正在使用C#语言使用asp.net。
解析html页面并猜测主要内容并非易事。 我建议使用NReadability和HtmlAgilityPack
这是一个如何完成的示例。 NReadability对页面进行转码后,主文本始终位于id为readInner
div
。
string url = "http://.......";
var t = new NReadability.NReadabilityWebTranscoder();
bool b;
string page = t.Transcode(url, out b);
if (b)
{
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(page);
var title = doc.DocumentNode.SelectSingleNode("//title").InnerText;
var text = doc.DocumentNode.SelectSingleNode("//div[@id='readInner']")
.InnerText;
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.