Trong bài viết này tôi giới thiệu các bạn một Class khá hay có tác dụng chuyển đổi chuỗi html chứa các thẻ table thành DataTable hoặc DataSet - Convert Html Table Tag to Datatable or DataSet. DataTable, DataSet, Html, Table, Html Table, Convert,
Đây là một class tôi nghĩ khá hay mà bạn có thể dùng vào nhiều mục dích khác nhau, Ví dụ đơn giản nhất đó là bạn muốn bóc tách nội dung của 1 trang web mà source nguồn có chứa các thẻ html thành DataTable hoặc DataSet. Ví dụ như trang
http://vov.vn/Media/List.aspx?catid=49 Khi view source lên bạn sẽ thấy từ dòng 351 đến dòng 616 là nội dung thẻ Table chứa danh sách các media đọc chuyện Nhật ký Đặng Thùy Trâm. Bạn muốn bóc tách và đưa các media đó về website của bạn? việc sử dụng Class chuyển đổi chuỗi html chứa các thẻ table thành DataTable hoặc DataSet sẽ nhanh và hiệu quả.
Dưới đây là toàn bộ nội dung của Class này. Tôi đã ghi tất cả các chú thích cho các hàm tương ứng. Tôi không tách từng hàm ra nữa.
using System;
using System.Data;
using System.Configuration;
using System.Linq;
using System.Web;
using System.Web.Security;
using System.Web.UI;
using System.Web.UI.HtmlControls;
using System.Web.UI.WebControls;
using System.Web.UI.WebControls.WebParts;
using System.Xml.Linq;
using System.Net;
using System.IO;
using System.Xml;
using System.Data.SqlClient;
using System.Collections.Generic;
using System.Text;
using System.Text.RegularExpressions;
///
/// Summary description for HtmlTableParser
///
public class HtmlTableParser
{
private const RegexOptions ExpressionOptions = RegexOptions.Singleline | RegexOptions.Multiline | RegexOptions.IgnoreCase;
private const string CommentPattern = "";
private const string TablePattern = "
";
private const string HeaderPattern = "
]*>(.*?) | ";
private const string RowPattern = "
]*>(.*?)
";
private const string CellPattern = "
]*>(.*?) | ";
///
/// Một chuỗi html có nhiều bảng, phân tích và đưa các bảng này thành DataSet
///
///
Một chuỗi HTML bao gồm nhiều bảng
///
Một DataSet có chứa một DataTable cho mỗi bảng HTML trong chuỗi đầu vào
public DataSet ParseDataSet(string html)
{
DataSet dataSet = new DataSet();
MatchCollection tableMatches = Regex.Matches(
WithoutComments(html),
TablePattern,
ExpressionOptions);
foreach (Match tableMatch in tableMatches)
{
dataSet.Tables.Add(ParseTable(tableMatch.Value));
}
return dataSet;
}
///
/// Chuỗi HTML có chứa một bảng duy nhất, phân tích bảng thành một DataTable.
///
///
Chuỗi HTML có chứa một bảng duy nhất
///
Một DataTable
public DataTable ParseTable(string tableHtml)
{
string tableHtmlWithoutComments = WithoutComments(tableHtml);
DataTable dataTable = new DataTable();
MatchCollection rowMatches = Regex.Matches(
tableHtmlWithoutComments,
RowPattern,
ExpressionOptions);
dataTable.Columns.AddRange(tableHtmlWithoutComments.Contains("
/// Loại bỏ các comment của chuỗi html
/// |
///
Chuỗi html có chú thích
///
Trả về chuỗi html đã được loại hết chú thích
private string WithoutComments(string html)
{
return Regex.Replace(html, CommentPattern, string.Empty, ExpressionOptions);
}
///
/// Thêm 1 dòng vào DataTable sử dụng MatchCollection
///
///
Tập hợp các dòng thêm vào DataTable
///
Một DataTable đã được thêm các dòng
private void ParseRows(MatchCollection rowMatches, DataTable dataTable)
{
foreach (Match rowMatch in rowMatches)
{
// Chỉ sử dụng các hàng không phải tiêu đề bảng
if (!rowMatch.Value.Contains("
/// Chuỗi có chứa một bảng HTML, phân tích các tiêu đề tạo ra các DataColumns của một DataTable.
/// |
///
Một chuỗi HTML có chứa một bảng HTML
///
Các DataColumns của một DataTable
private DataColumn[] ParseColumns(string tableHtml)
{
MatchCollection headerMatches = Regex.Matches(
tableHtml,
HeaderPattern,
ExpressionOptions);
return (from Match headerMatch in headerMatches
select new DataColumn(headerMatch.Groups[1].ToString())).ToArray();
}
///
/// Phân tích dữ liệu không phải tiêu đề đưa vào các Columns
///
///
Các hàng trong bảng HTML chúng ta tạo ra các cột
///
Tập hợp các DataColumns dựa trên số lượng celss trong hàng đầu tiên của bảng đầu vào HTML
private DataColumn[] GenerateColumns(MatchCollection rowMatches)
{
int columnCount = Regex.Matches(
rowMatches[0].ToString(),
CellPattern,
ExpressionOptions).Count;
return (from index in Enumerable.Range(0, columnCount)
select new DataColumn("Column " + Convert.ToString(index))).ToArray();
}
public HtmlTableParser()
{
//
// TODO: Add constructor logic here
//
}
}
