HtmlAgilityPack解析全国区号页面到XML

需求：完成一个城市和区号的xml配置文件

处理思路：通过HtmlAgilityPack解析一个区号页面，生产xml文件

页面：http://www.hljboli.gov.cn/html/code.html

代码：

  public void LoadUrl(string url)
        {

            try
            {
                //Tab1
                this.webBrowser1.Url = new Uri(url);

                HtmlWeb web = new HtmlWeb();
                //不加这行中文会乱码
                web.OverrideEncoding = Encoding.Default;
                HtmlAgilityPack.HtmlDocument doc = web.Load(url);
                //通过反射获取 internal 字段值
                FieldInfo info = doc.GetType().GetField("Text", BindingFlags.Instance | BindingFlags.NonPublic);
                var text = info.GetValue(doc).ToString();
                //Tab2
                this.richTextBox1.Text = text;
              
                var sb = new StringBuilder();
                sb.Append("<?xml version=\"1.0\" encoding=\"utf-8\" ?>").AppendLine();
                sb.Append("<codes>").AppendLine();

                //xpath表达式
                var provinceNodes = doc.DocumentNode.SelectNodes("//tr");

                //过滤重复的区号
                var tempList = new List<string>();
                foreach (var provinceNode in provinceNodes)
                {
                    //xpath表达式
                    var cityNodes = provinceNode.SelectNodes("td");

                    if (cityNodes.Count == 1)
                    {
                        if (cityNodes[0].InnerText != "&nbsp;") //去除空白行
                            sb.AppendFormat("<!--{0}-->", cityNodes[0].InnerText).AppendLine();
                    }
                    if (cityNodes.Count == 6)
                    {
                        if (cityNodes[1].InnerText != "长途区号")
                        {
                            if (!tempList.Contains(cityNodes[1].InnerText))
                            {
                                sb.AppendFormat("<code name=\"{0}\" value=\"{1}\" />", cityNodes[0].InnerText, cityNodes[1].InnerText).AppendLine();
                                tempList.Add(cityNodes[1].InnerText);
                            }

                            if (cityNodes[3].InnerText != "&nbsp;" && !tempList.Contains(cityNodes[4].InnerText))//去除行不满情况
                            {
                                sb.AppendFormat("<code name=\"{0}\" value=\"{1}\" />", cityNodes[3].InnerText, cityNodes[4].InnerText).AppendLine();
                                tempList.Add(cityNodes[4].InnerText);
                            }
                        }
                    }
                }
                sb.Append("</codes>").AppendLine();

                this.richTextBox2.Text = sb.ToString();

            }
            catch (Exception)
            {


            }


        }

注意：
1.中文乱码，需要设置    web.OverrideEncoding = Encoding.Default;

2.通过反射访问HtmlDocument的内置字段Text获取body的内容

      FieldInfo info = doc.GetType().GetField("Text", BindingFlags.Instance | BindingFlags.NonPublic);
     var text = info.GetValue(doc).ToString();

3.通过xpath表达式获取节点元素