Jumony 开源项目教程

2024-09-14 09:13:02作者：卓艾滢Kingsley

项目介绍

Jumony 是一个基于 .NET 的 HTML 解析库，旨在提供一个简单易用的 API 来解析和操作 HTML 文档。它支持多种 HTML 解析模式，并且能够处理不完整的 HTML 代码，非常适合用于网页抓取、数据提取等场景。

项目快速启动

安装 Jumony

首先，你需要在你的项目中安装 Jumony。你可以通过 NuGet 包管理器来安装：

dotnet add package Jumony

解析 HTML

以下是一个简单的示例，展示如何使用 Jumony 解析 HTML 文档并提取其中的内容：

using Ivony.Html;
using Ivony.Html.Parser;

class Program
{
    static void Main(string[] args)
    {
        // 创建一个 HTML 解析器
        var parser = new JumonyParser();

        // 解析 HTML 字符串
        var document = parser.Parse("<html><body><h1>Hello, Jumony!</h1></body></html>");

        // 提取 h1 标签的内容
        var h1Element = document.Find("h1").First();
        var content = h1Element.InnerText();

        Console.WriteLine(content);  // 输出: Hello, Jumony!
    }
}

处理不完整的 HTML

Jumony 能够处理不完整的 HTML 代码，例如：

var incompleteHtml = "<html><body><h1>Incomplete HTML";
var document = parser.Parse(incompleteHtml);

var h1Element = document.Find("h1").First();
var content = h1Element.InnerText();

Console.WriteLine(content);  // 输出: Incomplete HTML

应用案例和最佳实践

网页抓取

Jumony 非常适合用于网页抓取。你可以使用它来解析网页内容并提取所需的数据。例如，抓取新闻网站的标题和链接：

var url = "https://example-news-site.com";
var webClient = new WebClient();
var html = webClient.DownloadString(url);

var document = parser.Parse(html);
var newsTitles = document.Find(".news-title").Select(e => e.InnerText());
var newsLinks = document.Find(".news-title a").Select(e => e.Attribute("href").Value());

foreach (var (title, link) in newsTitles.Zip(newsLinks, (t, l) => (t, l)))
{
    Console.WriteLine($"Title: {title}, Link: {link}");
}

数据提取

Jumony 还可以用于从 HTML 文档中提取结构化数据。例如，提取表格数据：

var tableHtml = "<table><tr><td>Name</td><td>Age</td></tr><tr><td>Alice</td><td>30</td></tr></table>";
var document = parser.Parse(tableHtml);

var rows = document.Find("tr");
foreach (var row in rows)
{
    var cells = row.Find("td").Select(e => e.InnerText());
    Console.WriteLine(string.Join(", ", cells));
}