.net/C# 的 Html 解析器和对象模型答案

【问题标题】：Html Parser & Object Model for .net/C#.net/C# 的 Html 解析器和对象模型
【发布时间】：2010-11-14 03:23:41
【问题描述】：

我正在寻找使用 .net 解析 html 以测试或断言其内容的目的。即

HtmlDocument doc = GetDocument("一些 html") 列出表单 = doc.Forms() 链接链接 = doc.GetLinkByText("新客户")

这个想法是允许人们用 c# 编写测试，就像他们在 webrat (ruby) 中所做的那样。

即

访问('\') 填写“姓名”、“米克” 点击“保存”

我见过 html 敏捷包、sgmlreader 等，但有没有人为此创建了一个对象模型，即一组代表 html 元素的类，例如表单、按钮等？？

干杯。

【问题讨论】：

【解决方案1】：

Here 是很好的 html 解析库，不会创建 HtmlButton 、 HtmlInput 等对象，但如果您不想使用 HTML DOM，最好自己开始并创建它们

【讨论】：

【解决方案2】：

据我所知，在 .NET 中最接近 HTML DOM 的是 HTML DOM。

您可以使用 Windows 窗体 WebBrowser 控件，将其与 HTML 一起加载，然后从外部访问 DOM。

顺便说一句，这是 .NET。任何适用于 VB.NET 的代码都适用于 C#。

【讨论】：

我不想为此开始托管 UI 控件，然后我将讨论 UI 控件的常见线程问题，另外性能会受到影响，我正在使用它来测试 asp.net mvc 页面，并且由于浏览器开销而避免使用 selenium 等。理想的情况是 HtmlUnit（基于 Java）。不确定我是否有时间将其移植为怪物，它也支持 javascript，但我不需要它来测试我的应用程序（即不引人注目）。
来自 HmlUnit: final WebClient webClient = new WebClient(); final HtmlPage page = webClient.getPage("htmlunit.sourceforge.net"); final HtmlDivision div = page.getHtmlElementById("some_div_id"); final HtmlAnchor anchor = page.getAnchorByName("anchor_name"); htmlunit.sourceforge.net
cmets 中没有太多格式。用下划线或单个星号或双星号或backQuotes<T>或三重括起来> 星号。但它是有限的，应该是这样的。
WebBrowser 控件的好处 - 它是 IE。它的行为就像 IE 一样。这对于 AJAX 场景或动态生成某些 HTML 的任何其他情况非常重要。您实际上可以找到元素并调用它们的 click 方法，以触发在普通浏览器中运行的 JavaScript。

【解决方案3】：

您有 2 个主要选择：

使用一些浏览器引擎（即 Internet Explorer）为你解析 html，然后让你访问生成的 DOM。此选项将要求您与浏览器引擎进行一些互操作（在即它是简单 COM 的情况下）
使用一些轻量级解析器，例如HtmlAgilityPack

【讨论】：

【解决方案4】：

在我看来，您正在尝试进行 HTML 单元测试。你看过硒吗？它甚至具有 C# 库，因此您可以用 C# 编写 HTML 单元测试并断言元素存在并且它们具有正确的值，甚至可以单击链接。它甚至适用于 JavaScript / AJAX 网站。

【讨论】：

它对我想要的来说太慢了。基本上在 Rails 中我使用 webrat 进行大部分验收测试，它是一个内存浏览器（基本上是一个 html 解析器），因为它非常快，然后我可以使用 watir/selenium 等进行冒烟测试，但它的速度很慢所以我不想用它来做所有事情。

【解决方案5】：

HTML 的最佳解析器是 HTQL COM。使用可以使用 HTQL 查询来检索 HTML 内容。

【讨论】：