C#获取HTML文件指定DIV内容

最近自己找了一个开源的博客网站，放到阿里云上，方便自己发布博客。

我一般把文章发布到博客园和QQ空间，家了这个网站后又要多发布一次，为了省事就做了一个从博客园读取文章的功能；

输入链接URL地址点击提交；

从GetHub安装HtmlAgilityPack

后台C#代码

public ActionResult LinkBlog(string urlStr)
{
Response response = new Response() { Code =1 };
if (string.IsNullOrWhiteSpace(urlStr))
{
response.Code = 0;
response.Message = "链接URL必填";
return Json(response);
}

WebClient c = new WebClient();
c.Encoding = Encoding.GetEncoding("UTF-8");
string html = c.DownloadString(urlStr);

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
HtmlNode nodeinfo = doc.GetElementbyId("post_detail");

//post_detail
//
HtmlNode nodetitle = doc.GetElementbyId("cb_post_title_url");

//cnblogs_post_body

HtmlNode nodecontent = doc.GetElementbyId("cnblogs_post_body");

string htmlstr = nodeinfo.OuterHtml;

Blog blog = new Blog();
blog.Publish = true;
blog.Title =string.Format("链接文章：{0}", nodetitle.InnerText);
blog.Volume = 0;
blog.Content = htmlstr;
blog.CreateTime = DateTime.Now;
string htmlsumm = nodecontent.InnerText.Replace(" ", "");
int sublen = htmlsumm.Length;
if (sublen > 80)
{
sublen = 80;
}
blog.Summary = htmlsumm.Substring(0, sublen);

blog.Category=  categoryManager.FindRoot()[0];
response = blogManager.AddBlog(blog);

return Json(response);
}

应用的技术

WebClient c = new WebClient();

c.Encoding = Encoding.GetEncoding("UTF-8");

string html = c.DownloadString(urlStr);

通过WebClient读取网页，注意这里的编码问题，有的网页用的是UTF-8有的是GB2312

自己尝试一下就知道了，编码设置错误会出现汉子乱码。

HtmlDocument doc = new HtmlDocument();

doc.LoadHtml(html);

HtmlNode nodeinfo = doc.GetElementbyId("post_detail");

读取HTML字符串中指定id的标签的内容；

参考博客：http://www.cnblogs.com/ITmuse/archive/2010/05/29/1747199.html



最终我不用再重复添加博客了，不过还多亏博客园没有做图片防盗链，否则图片还要单独处理。