HtmlAgilityPack是.NET平台常用HTML解析库，支持从字符串、文件或网络加载HTML，使用XPath查询节点，遍历DOM并修改内容，适用于爬虫和内容提取，但不解析JavaScript，需配合其他工具处理动态内容。

HtmlAgilityPack 是 .NET 平台中解析 HTML 文档最常用的开源库之一，尤其适合处理结构不规范的 HTML（比如网页抓取场景）。它允许你像操作 XML 一样通过 DOM 模型访问和修改 HTML 内容。

安装 HtmlAgilityPack

在项目中使用 NuGet 安装 HtmlAgilityPack：

Install-Package HtmlAgilityPack

支持 .NET Framework、.NET Core 和 .NET 5+ 等所有主流版本。

加载 HTML 文档

你可以从字符串、本地文件或网络响应中加载 HTML：

• 从字符串加载：
var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml("

标题

");
• 从文件加载：
var htmlDoc = new HtmlDocument();
htmlDoc.Load("example.html");
• 从网络加载（配合 HttpClient）：
using var client = new HttpClient();
var html = await client.GetStringAsync("https://example.com");
var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(html);

使用 XPath 查询元素

HtmlAgilityPack 支持 XPath 语法来定位节点。例如：

• 获取所有 h1 标签：
var h1Nodes = htmlDoc.DocumentNode.SelectNodes("//h1");
foreach (var node in h1Nodes)
  Console.WriteLine(node.InnerText);
• 获取特定 class 的 div：
var divs = htmlDoc.DocumentNode.SelectNodes("//div[@class='content']");
• 获取链接的 href 属性：
var links = htmlDoc.DocumentNode.SelectNodes("//a[@href]");
foreach (var link in links)
  Console.WriteLine(link.GetAttributeValue("href", ""));

遍历和操作节点

除了 XPath，也可以通过属性和方法遍历 DOM：

• 访问子节点： node.ChildNodes
• 获取父节点： node.ParentNode
• 读取文本内容： node.InnerText
• 读取原始 HTML： node.InnerHtml
• 修改节点内容：
var titleNode = htmlDoc.DocumentNode.SelectSingleNode("//title");
if (titleNode != null)
  titleNode.InnerHtml = "新页面标题";

修改后可保存回文件：

htmlDoc.Save("modified.html");

基本上就这些。HtmlAgilityPack 对于爬虫、内容提取、HTML 清理等任务非常实用，API 简单且稳定。注意：它不渲染 JavaScript，只解析静态 HTML。需要动态内容时需结合 PuppeteerSharp 等工具。