這是我本人自己寫的一個開源庫，現已經發佈到nuget，可以直接在vs的nuget包管理中搜索到，或者可以到nuget官網下載：https://www.nuget.org/packages/ZmjConvert/，也可以到我的個人網站上下載源碼：https://www.zhaimaojun.cn/P/C%23%e6%a0%87%e7%ad%be%e7%b1%bb%e6%96%87%e6%9c%ac%e5%ba%8f%e5%88%97%e5%8c%96%e5%ba%93/

本包是.NET standard標準庫包，可以在.NET core，.NET，.NET framework等多種項目中直接使用，我本人也是在多種環境中使用這個包，沒有任何問題的，我本人主要用來提取網頁上的鏈接，圖片，可顯示文本等內容。

先安裝這個包，然後就可以使用了，下麵給出了一些使用方式的模板：

第一步 序列化html

/**這是html源碼的序列化*/
1 var dts = GetSource();//獲取html源碼，可以現下或者讀取html文件，dts需要是string類型的html內容
2 if (!HtmlElement.TryParse(dts, out var eles, out var err))
3 {
4     OnDownloadErrorHappend($"無法序列化url:{surl}");//反序列化失敗
5     return;
6 }
7 var srcurl = new Uri(surl);//這是html的源地址的當前文檔的url，用於將當前所有節點中相對路徑解析為絕對路徑時使用
8 eles = HtmlElement.GetAllElement(eles);//列出所有的子元素，就是將所有的節點提取為一個list，方便使用linq，或者使用foreach迴圈來遍歷，當然原來的標簽結構是不會改變的。

 1 /**這是部分html標簽源碼的反序列化，比如富文本編輯器的內容*/
 2 try
 3 {
 4     var labstr = Gethtmlstr();//獲取部分標簽的html源碼，比如富文本編輯器
 5     var eles = CHtmlElement<HtmlElement>.Parse(htmlstr);//反序列化標簽組
 6     return eles;//反序列化成功後返回結構對象
 7 }
 8 catch (Exception e)
 9 {
10     throw e;//反序列化失敗
11 }

第二步 獲取html文檔的標題

1 var title = HtmlElement.GetWebTitle(eles);

1 /**獲取文檔的keywords*/
2 eles.FirstOrDefault(x => x.TagName == "meta" && x.Attributes.ContainsKey("name") && x.Attributes["name"].ToLower() == "keywords").Attributes.TryGetValue("content", out var keywords);
3 /**獲取文檔的description*/
4 eles.FirstOrDefault(x => x.TagName == "meta" && x.Attributes.ContainsKey("name") && x.Attributes["name"].ToLower() == "description").Attributes.TryGetValue("content", out var description);

第三步 提取所有的img標簽的src，也就是獲取所有頁面上的圖片

1 /**這是獲取所有img標簽的src屬性內容*/
2 var imgs = new List<string>();
3 foreach (var e in eles.Where(x => x.TagName == "img" && x.Attributes.ContainsKey("src") && !string.IsNullOrWhiteSpace(x.Attributes["src"])))
4 {//封面圖片或者其他圖片
5     var furl = HttpUtility.HtmlDecode(e.Attributes["src"]);
6     var furi = new Uri(srcurl, furl);
7     imgs.Add(furi.AbsoluteUri);
8 }

/**這是提取所有img標簽的data-src屬性，因為有些網站為了降低流量成本，img標簽的src屬性中使用的是縮略圖，而data-src中使用的才是原圖*/
1 var imgs = new List<string>();
2 foreach (var e in eles.Where(x => x.TagName == "img" && x.Attributes.ContainsKey("data-src") && !string.IsNullOrWhiteSpace(x.Attributes["data-src"])))
3 {//封面圖片或者其他圖片
4     var furl = HttpUtility.HtmlDecode(e.Attributes["data-src"]);
5     var furi = new Uri(srcurl, furl);
6     imgs.Add(furi.AbsoluteUri);
7 }

第四步 提取所有的a標簽的href，也就是獲取所有頁面上的鏈接

1 /**獲取所有的鏈接及鏈接的文本內容*/
2 var links = new Dictionary<string, string>();
3 foreach (var e in eles.Where(x => x.TagName == "a" && x.Attributes.ContainsKey("href") && !string.IsNullOrWhiteSpace(x.Attributes["href"])))
4 {
5     links.Add(WebUtility.HtmlDecode(e.InnerText), WebUtility.HtmlDecode(e.Attributes["href"]));
6 }

第五步 提取所有可視文本，並保持換行，並且保持鏈接的有效

 1 /**提取所有的可視文本*/
 2 var tsts = new List<string>();//這是按行存儲的提取到的所有可視內容
 3 var sb = new StringBuilder();//這是中間使用的拼接對象
 4 foreach (var item in eles)//eles為整個html反序列化後的列表，如果需要對指定的一個div或者p的可視內容提取，可以先找到這個標簽對象，然後在通過HtmlElement.GetAllElement(e.Children)可提取他的所有子標簽，就可以提取所有可視內容了
 5 {
 6     var tgs = new[] { "br", "div", "li", };//這是強迫換行的標簽列舉，可根據需求添加或減少
 7     if (tgs.Contains(item.TagName))
 8     {
 9         sb.Append(HttpUtility.HtmlDecode(item.InnerText));
10         var innt = sb.ToString();
11         tsts.Add(innt);
12         sb.Clear();
13     }
14     else if (item.TagName == "a" && item.Attributes.ContainsKey("href") && !item.Attributes["href"].Contains("f95")) sb.Append($"<a href=\"{WebUtility.HtmlDecode(item.Attributes["href"])}\">{WebUtility.HtmlDecode(item.InnerText)}</a>");
15     else if (!item.InnerText.Contains('<')) sb.Append(HttpUtility.HtmlDecode(item.InnerText));
16 }

第六步 找到特定的標簽

1 /**查找包含main-content樣式類的div*/
2 var e = eles.FirstOrDefault(x => x.TagName == "div" && x.Attributes.ContainsKey("class") && x.Attributes["class"].ToLower().Contains("main-content"));

/**查找id為mainp的p標簽*/
var e = eles.FirstOrDefault(x => x.TagName == "p" && x.Attributes.ContainsKey("id") && x.Attributes["id"].ToLower() == "mainp");

第七步 請隨意發揮~