メインメニューを開く

Html Agility Packとは、主にウェブスクレイピングに用いられる.NET向けのオープンソースライブラリである。

目次

概要編集

Html Agility Packを大雑把に説明するとHTMLXMLに変換してくれるライブラリである。 HTMLのタグが閉じ忘れされていた場合などでも強力に補正した状態のXMLにしてくれるのが目玉機能である。 これによりXPathLINQ to XMLといった汎用的な手法を用いて解析できるようになる。

Html Agility Packにはウェブページを取得するメソッドも用意されているが、あくまで簡易的なものでありキャッシュ機能などもなく文字コードの判別が弱いなどの問題を抱えている。ウェブクローラー的なものを目指すのであれば、独自でHTMLを取得し、ReadJEncを用いるなどして別途実装した方がいいだろう。

使い方編集

環境を構築する編集

NuGetから一発インストールが一番手っ取り早い。 とくにプラットフォームに依存するようなライブラリでもないためLinux上のMonoMac上のXamarinでも普通に利用できる。

関連項目編集

参考文献編集