2

Em meu projeto eu preciso ler um arquivo HTML que no código fonte tem uma estrutra de um xml. Preciso ler esse arquivo HTML, pegar o valor das tags do xml que tem lá fazer todo um processo para salvar esse dados no meu banco de dados....

Ler um xml, meu sistema lê numa boa, mas preciso que meu sistema seja capaz de ler um arquivo HTML também.

Como posso fazer isso ? Não tenho ideia de onde começar.

Estrutura do meu arquivo HTML

<html><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8"></head><body><certidao>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
<subtag></subtag>
</certidao>
</body></html>

Preciso ler tudo que está dentro da tag raiz certidao e desconsiderar as tags HTML

A página html está salva no computador e não é preciso acessar o link e sim o caminho do arquivo.

9
  • Ler HTML ou XML é análogo. Você tem um código de leitura de XML? 14/07/2015 às 19:35
  • Pra ficar mais fácil cigano, existe uma forma de que eu consiga remover as tags do html deixando a tag certidão ? O que acontece é que no codigo fonte da página HTML, ou seja, o conteudo da página HTML, é um xml, ou seja, tudo que está dentro da tag certidão.... 14/07/2015 às 19:50
  • O sistema não pode abrir o arquivo, editar ele retirando a parte indesejada e depois salvar o arquivo como um XML? 14/07/2015 às 19:52
  • É porque a logica que tenho aqu @AndrewPaes lê um xml, só que a lógica mudou, agora preciso ler um arquivo html que tem como conteudo o xml. 14/07/2015 às 19:57
  • Não seria possível usar o XDocument ou XmlDocument para ler o arquivo? A partir daí, é simplesmente necessário extrair o conteudo do <certidao>. 14/07/2015 às 20:02

1 Resposta 1

3

Você pode usar o HtmlAgilityPack

PM> Install-Package HtmlAgilityPack

Segue um pequeno código de exemplo

HtmlDocument doc = new HtmlDocument();
doc.Load("arquivo.html")
foreach (HtmlNode certidao in doc.DocumentNode.SelectNodes("//certidao"))
    foreach (HtmlNode subtag in certidao.SelectNodes("//subtag"))
        Console.WriteLine(subtag.InnerText);

Tem um exemplo com o seus dados modificados no DotNetFiddle

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .