análisis de páginas HTML con HtmlAgilityPack

Question

Utilizando C# Me gustaría saber cómo obtener el valor del cuadro de texto (es decir: john) de este script de ejemplo html:

<TD class=texte width="50%"> 
<DIV align=right>Name :<B> </B></DIV></TD> 
<TD width="50%"><INPUT class=box value=John maxLength=16 size=16 name=user_name> </TD> 
<TR vAlign=center> 

Answer 1

Hay varias maneras de seleccionar elementos utilizando el paquete de agilidad.

Supongamos que hemos definido nuestro HtmlDocument de la siguiente manera:

string html = @"<TD class=texte width=""50%""> 
<DIV align=right>Name :<B> </B></DIV></TD> 
<TD width=""50%""> 
    <INPUT class=box value=John maxLength=16 size=16 name=user_name> 
</TD> 
<TR vAlign=center>"; 

HtmlDocument htmlDoc = new HtmlDocument(); 
htmlDoc.LoadHtml(html); 

1. LINQ simple
pudimos usar el método Descendants(), pasando el nombre de un elemento que estamos en busca de:

var inputs = htmlDoc.DocumentNode.Descendants("input"); 

foreach (var input in inputs) 
{ 
    Console.WriteLine(input.Attributes["value"].Value); 
    // John 
} 

2. Más LINQ avanzada
Podríamos acotar que por el uso de LINQ más elegante:

var inputs = from input in htmlDoc.DocumentNode.Descendants("input") 
      where input.Attributes["class"].Value == "box" 
      select input; 

foreach (var input in inputs) 
{ 
    Console.WriteLine(input.Attributes["value"].Value); 
    // John 
} 

3. XPath
O podríamos utilizar XPath.

string name = htmlDoc.DocumentNode 
    .SelectSingleNode("//td/input") 
    .Attributes["value"].Value; 

Console.WriteLine(name); 
//John 

Answer 2

HtmlDocument doc = new HtmlDocument(); 
doc.LoadHtml(html); 
XPathNavigator docNav = doc.CreateNavigator(); 

XPathNavigator node = docNav.SelectSingleNode("//td/input/@value"); 

if (node != null) 
{ 
    Console.WriteLine("result: " + node.Value); 
} 

Escribí esta bastante rapidez, por lo que Querré hacer algunas pruebas con más datos.

NOTA: Las cadenas XPath aparentemente tienen que estar en minúsculas.

EDITAR: Al parecer, ahora la versión beta admite Linq to Objects directamente, por lo que probablemente no sea necesario el convertidor.