1. 什么是 HtmlAgilityPack 及其用途

HtmlAgilityPack 是一个强大的库，用于在 .NET 生态系统（C#、VB.NET、F#）中解析 HTML 文档。它为开发者提供了便捷的 API，用于导航、搜索、提取和修改 HTML 代码。与标准的 XML 解析器不同，HtmlAgilityPack 专为处理实际网络中常见的“脏”HTML 而设计：未闭合的标签、错误的属性、嵌套错误等。该库会自动修复此类缺陷，创建正确的 DOM 树。

它的用途是什么？主要使用场景包括：网页抓取（从网站提取数据）、自动化测试 Web 界面、CMS 之间的内容迁移、分析 HTML 报告、清理和规范化 HTML 代码，以及创建自定义 HTML 生成器。通过支持 XPath 和 CSS 选择器（通过扩展），该库可以灵活且精确地选择所需元素。

HtmlAgilityPack 由社区积极维护，开源，并兼容 .NET Framework 4.5+、.NET Core 2.0+、.NET 5/6/7/8，以及 Xamarin 和 Unity。这使其成为任何处理 HTML 的 .NET 开发者的通用工具。

2. 安装

通过 NuGet Package Manager 安装该库。在包管理器控制台（Package Manager Console）或 .NET CLI 终端中执行以下任一命令：

// 通过 .NET CLI\ndotnet add package HtmlAgilityPack\n\n// 通过 Package Manager Console\nInstall-Package HtmlAgilityPack\n\n// 或通过 NuGet UI：搜索 "HtmlAgilityPack" 并安装最新稳定版本

安装后，在文件开头添加 using 指令：

using HtmlAgilityPack;

3. 快速入门 — 最小工作示例

考虑一个最简单的示例：加载 HTML 字符串，查找所有链接，并输出其文本和 URL。

using System;\nusing HtmlAgilityPack;\n\nclass Program\n{\n    static void Main()\n    {\n        // 1. 创建 HTML 文档\n        var htmlDoc = new HtmlDocument();\n        \n        // 2. 加载 HTML（实际中可能来自文件或网络）\n        string html = @"\n        \n            \n                
\n                    Example\n                    PythonLib\n                
\n            


    

        
🍪
        
Сначала примите условия
        

            Чтобы войти на сайт, необходимо принять соглашение об использовании файлов cookie.
            Мы используем их для авторизации и улучшения работы сайта.


            Политика конфиденциальности
        
        Принять и продолжить
        Закрыть
    




    

        

            🍪 Мы используем файлы cookie для авторизации, аналитики и улучшения работы сайта.
            Продолжая пользоваться сайтом, вы соглашаетесь с нашей
            политикой конфиденциальности.
        
        

            Принять
            Только необходимые
        
    



\n        ";\n        htmlDoc.LoadHtml(html);\n        \n        // 3. 使用 XPath 选择所有 <a> 标签\n        var links = htmlDoc.DocumentNode.SelectNodes("//a");\n        \n        // 4. 遍历每个链接并输出文本和 href\n        if (links != null)\n        {\n            foreach (var link in links)\n            {\n                string text = link.InnerText.Trim();\n                string href = link.GetAttributeValue("href", "");\n                Console.WriteLine($"文本: {text}, URL: {href}");\n            }\n        }\n    }\n}

执行结果：

文本: Example, URL: https://example.com\n文本: PythonLib, URL: https://pythonlib.ru

4. 主要类和方法

以下是 HtmlAgilityPack 的关键类和方法，包含详细描述和示例。

4.1. HtmlDocument — 用于处理文档的主要类

签名： public class HtmlDocument

描述： 表示整个 HTML 文档。允许