تحليل HTML في C# (.NET): نظرة عامة على المكتبات وأمثلة الكود

تحليل HTML في C# (.NET): من البسيط إلى المعقد

تحليل HTML هو إحدى المهام الأساسية عند تطوير أدوات استخراج الويب، ومحللي المحتوى، وأدوات الأتمتة. في نظام C# (.NET)، توجد عدة مكتبات ناضجة تسمح باستخراج البيانات بكفاءة من مستندات HTML، حتى لو كانت العلامات غير صالحة. في هذه المقالة، سنستعرض الأدوات الثلاث الأكثر شيوعًا: HtmlAgilityPack، AngleSharp، وCsQuery، بالإضافة إلى أمثلة عملية لاستخدامها.

1. HtmlAgilityPack — الخيار الكلاسيكي

HtmlAgilityPack (HAP) هي المكتبة الأكثر انتشارًا لتحليل HTML في C#. تدعم XPath وLINQ، مما يجعلها مثالية للعمل مع الهياكل الهرمية. تقوم HAP تلقائيًا بتصحيح علامات HTML غير الصحيحة، وهو أمر مفيد بشكل خاص عند تحليل الصفحات "الخام".

التثبيت عبر NuGet:

Install-Package HtmlAgilityPack

مثال: استخراج جميع الروابط من الصفحة

using HtmlAgilityPack;

string url = "https://example.com";var web = new HtmlWeb();var doc = web.Load(url);

var links = doc.DocumentNode.SelectNodes("//a[@href]");if (links != null){    foreach (var link in links)    {        string href = link.GetAttributeValue("href", "");        string text = link.InnerText.Trim();        Console.WriteLine($"{text}: {href}");    }}

مثال: استخراج البيانات من جدول

var tableRows = doc.DocumentNode.SelectNodes("//table[@id='data-table']//tr");foreach (var row in tableRows){    var cells = row.SelectNodes("td");    if (cells != null)    {        var rowData = cells.Select(c => c.InnerText.Trim()).ToList();        Console.WriteLine(string.Join(" | ", rowData));    }}

2. AngleSharp — البديل الحديث

AngleSharp هي مكتبة أكثر حداثة، مكتوبة بالكامل بلغة C# وتتوافق مع مواصفات W3C. تدعم محددات CSS، مما يجعلها مريحة لمن اعتادوا على بناء جملة مشابه لـ jQuery. كما يمكن لـ AngleSharp العمل مع DOM وSVG وMathML.

التثبيت عبر NuGet:

Install-Package AngleSharp

مثال: التحليل باستخدام محددات CSS

using AngleSharp;using AngleSharp.Dom;

var config = Configuration.Default.WithDefaultLoader();var context = BrowsingContext.New(config);var document = await context.OpenAsync("https://example.com");

// الحصول على جميع العناصر ذات الفئة "product"var products = document.QuerySelectorAll(".product");foreach (var product in products){    var name = product.QuerySelector(".product-name")?.TextContent.Trim();    var price = product.QuerySelector(".product-price")?.TextContent.Trim();    Console.WriteLine($"{name}: {price}");}

مثال: استخراج JSON من النص البرمجي

var scripts = document.QuerySelectorAll("script[type='application/ld+json']");foreach (var script in scripts){    var json = script.TextContent;    // يمكن بعد ذلك إلغاء تسلسل JSON عبر System.Text.Json    Console.WriteLine(json);}

3. CsQuery — بناء جملة مشابه لـ jQuery

CsQuery هو منفذ jQuery إلى C#، ويوفر واجهة برمجة تطبيقات مألوفة للعمل مع DOM. إنه مناسب بشكل خاص لمن ينتقلون من JavaScript إلى C#. ومع ذلك، تجدر الإشارة إلى أن المشروع يتم تحديثه بشكل أقل من AngleSharp، وقد لا يدعم الإصدارات الأخيرة من .NET.

التثبيت عبر NuGet:

Install-Package CsQuery

مثال: استخراج النص من العناصر

using CsQuery;

string html = "<div class='content'><p>مرحبًا بالعالم!</p></div>";var dom = CQ.Create(html);

var text = dom[".content