HtmlAgilityPack是.NET平台常用HTML解析库，支持从字符串、文件或网络加载HTML，使用XPath查询节点，遍历DOM并修改内容，适用于爬虫和内容提取，但不解析JavaScript，需配合其他工具处理动态内容。
HtmlAgilityPack 是 .NET 平台中解析 HTML 文档最常用的开源库之一，尤其适合处理结构不规范的 HTML（比如网页抓取场景）。它允许你像操作 XML 一样通过 DOM 模型访问和修改 HTML 内容。
安装 HtmlAgilityPack
在项目中使用 NuGet 安装 HtmlAgilityPack：
Install-Package HtmlAgilityPack支持 .NET Framework、.NET Core 和 .NET 5+ 等所有主流版本。
加载 HTML 文档
你可以从字符串、本地文件或网络响应中加载 HTML：
立即学习“前端免费学习笔记（深入）”；
- 从字符串加载： var htmlDoc = new HtmlDocument();
- 从文件加载： var htmlDoc = new HtmlDocument();
- 从网络加载（配合 HttpClient）： using var client = new HttpClient();
htmlDoc.LoadHtml("<html><body><h1>标题</h1></body></html>");
htmlDoc.Load("example.html");
var html = await client.GetStringAsync("https://example.com");
var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html);
使用 XPath 查询元素
HtmlAgilityPack 支持 XPath 语法来定位节点。例如：
- 获取所有 h1 标签： var h1Nodes = htmlDoc.DocumentNode.SelectNodes("//h1");
- 获取特定 class 的 div： var divs = htmlDoc.DocumentNode.SelectNodes("//div[@class='content']");
- 获取链接的 href 属性： var links = htmlDoc.DocumentNode.SelectNodes("//a[@href]");
foreach (var node in h1Nodes)
Console.WriteLine(node.InnerText);
foreach (var link in links)
Console.WriteLine(link.GetAttributeValue("href", ""));
遍历和操作节点
除了 XPath，也可以通过属性和方法遍历 DOM：
- 访问子节点： node.ChildNodes
- 获取父节点： node.ParentNode
- 读取文本内容： node.InnerText
- 读取原始 HTML： node.InnerHtml
- 修改节点内容： var titleNode = htmlDoc.DocumentNode.SelectSingleNode("//title");
if (titleNode != null)
titleNode.InnerHtml = "新页面标题";
修改后可保存回文件：
htmlDoc.Save("modified.html");基本上就这些。HtmlAgilityPack 对于爬虫、内容提取、HTML 清理等任务非常实用，API 简单且稳定。注意：它不渲染 JavaScript，只解析静态 HTML。需要动态内容时需结合 PuppeteerSharp 等工具。
