Cómo exportar una tabla HTML a un archivo de Excel en C#

¿Por qué elegir IronXL para exportar datos de tablas HTML?

IronXL sobresale en la creación y manipulación de archivos Excel sin requerir la instalación de Microsoft Office, lo que lo hace ideal para entornos de servidor y aplicaciones multiplataforma. Cuando se combina con HTML Agility Pack, un analizador robusto de archivos y contenido HTML, IronXL se convierte en una solución versátil para convertir cualquier estructura de tabla HTML en datos de hoja de cálculo. Este enfoque funciona sin problemas con aplicaciones .NET y puede manejar grandes conjuntos de datos eficientemente.

A diferencia de bibliotecas como la biblioteca de Excel Syncfusion XlsIO, que ofrece una función de ImportHtmlTable limitada a formatos y estructuras de tablas HTML específicos, el enfoque de IronXL brinda a los desarrolladores un control completo sobre el proceso de análisis y conversión. Esta flexibilidad significa que los desarrolladores pueden manejar escenarios complejos como tablas anidadas, formato de datos personalizado y extracción selectiva de columnas que los métodos rígidos incorporados no pueden acomodar. La configuración predeterminada funciona bien para la mayoría de los casos de uso, pero se puede personalizar cada detalle.

Además, IronXL proporciona características completas de Excel incluyendo soporte de fórmulas, estilo de celda, gestión de hojas de cálculo múltiples, y varios formatos de exportación (archivos XLSX, XLS, JSON, y CSV). Incluso puede crear gráficos, exportar a pdf, y gestionar datos de campos ocultos, convirtiéndolo en una solución completa para necesidades de automatización de Excel más allá de la simple conversión de tablas HTML. Ya sea trabajando con un objeto de tabla de datos o un archivo de hoja de cálculo, IronXL gestiona la conversión sin problemas.

¿Cómo configurar las bibliotecas necesarias?

Primero, instale tanto IronXL como HTML Agility Pack a través del Administrador de paquetes NuGet. IronXL ofrece una prueba gratuita para probar todas las características:

Install-Package IronXL.Excel
Install-Package HtmlAgilityPack

Install-Package IronXL.Excel
Install-Package HtmlAgilityPack

Estos paquetes NuGet le permiten crear, cargar y guardar documentos Excel programáticamente. Luego importe las instrucciones 'using' necesarias a su archivo de código C#:

using IronXL;
using HtmlAgilityPack;
using System;
using System.Linq;

using IronXL;
using HtmlAgilityPack;
using System;
using System.Linq;

IRON VB CONVERTER ERROR developers@ironsoftware.com

Estas bibliotecas trabajan juntas sin problemas, con HTML Agility Pack gestionando el análisis HTML mientras IronXL gestiona la creación y manipulación del archivo Excel. Este ejemplo demuestra un enfoque sencillo para convertir tablas HTML a formato xlsx.

¿Cómo analizar datos de tablas HTML con HTML Agility Pack?

HTML Agility Pack proporciona una forma sencilla de navegar por documentos HTML usando expresiones XPath. El siguiente código muestra cómo extraer datos de una tabla HTML y prepararlos para exportar:

// Sample HTML table with product data
string htmlContent = @"
<table>
    <thead>
        <tr>
            <th>Product</th>
            <th>Price</th>
            <th>Stock</th>
        </tr>
    </thead>
    <tbody>
        <tr>
            <td>Laptop</td>
            <td>$999</td>
            <td>15</td>
        </tr>
        <tr>
            <td>Mouse</td>
            <td>$25</td>
            <td>50</td>
        </tr>
        <tr>
            <td>Keyboard</td>
            <td>$75</td>
            <td>30</td>
        </tr>
    </tbody>
</table>";
// Load HTML document for parsing
var doc = new HtmlDocument();
doc.LoadHtml(htmlContent);
// Select the HTML table element using XPath
var table = doc.DocumentNode.SelectSingleNode("//table");

// Sample HTML table with product data
string htmlContent = @"
<table>
    <thead>
        <tr>
            <th>Product</th>
            <th>Price</th>
            <th>Stock</th>
        </tr>
    </thead>
    <tbody>
        <tr>
            <td>Laptop</td>
            <td>$999</td>
            <td>15</td>
        </tr>
        <tr>
            <td>Mouse</td>
            <td>$25</td>
            <td>50</td>
        </tr>
        <tr>
            <td>Keyboard</td>
            <td>$75</td>
            <td>30</td>
        </tr>
    </tbody>
</table>";
// Load HTML document for parsing
var doc = new HtmlDocument();
doc.LoadHtml(htmlContent);
// Select the HTML table element using XPath
var table = doc.DocumentNode.SelectSingleNode("//table");

IRON VB CONVERTER ERROR developers@ironsoftware.com

Este código carga el contenido HTML en un objeto HtmlDocument y utiliza XPath para consultar y seleccionar el elemento de la tabla. El método SelectSingleNode devuelve la primera tabla encontrada en el HTML, lo que facilita el enfoque en tablas específicas cuando existen múltiples. Cada fila de la tabla se procesa para extraer el valor de la celda para la conversión.

¿Cómo exportar datos analizados a Excel usando IronXL?

Con IronXL, podemos convertir fácilmente los datos de la tabla HTML analizada en una hoja de cálculo Excel profesional con formato adecuado. El siguiente código demuestra cómo exportar los datos con configuraciones de tamaño y familia de fuente personalizadas:

// Create a new Excel workbook
WorkBook workBook = WorkBook.Create(ExcelFileFormat.XLSX);
WorkSheet workSheet = workBook.CreateWorkSheet("Exported Data");
// Extract and write headers
var headers = table.SelectNodes(".//thead/tr/th");
if (headers != null)
{
    for (int col = 0; col < headers.Count; col++)
    {
        workSheet.SetCellValue(0, col, headers[col].InnerText.Trim());
        // Apply header formatting
        var headerCell = workSheet.GetCellAt(0, col);
        headerCell.Style.Font.Bold = true;
        headerCell.Style.BackgroundColor = "#4CAF50";
    }
}
// Extract and write data rows
var rows = table.SelectNodes(".//tbody/tr");
if (rows != null)
{
    for (int row = 0; row < rows.Count; row++)
    {
        var cells = rows[row].SelectNodes("td");
        if (cells != null)
        {
            for (int col = 0; col < cells.Count; col++)
            {
                string cellValue = cells[col].InnerText.Trim();
                workSheet.SetCellValue(row + 1, col, cellValue);
            }
        }
    }
}
// Auto-fit columns for better readability
for (int col = 0; col < headers?.Count; col++)
{
    workSheet.AutoSizeColumn(col);
}
// Save the Excel file
workBook.SaveAs("ExportedTable.xlsx");

// Create a new Excel workbook
WorkBook workBook = WorkBook.Create(ExcelFileFormat.XLSX);
WorkSheet workSheet = workBook.CreateWorkSheet("Exported Data");
// Extract and write headers
var headers = table.SelectNodes(".//thead/tr/th");
if (headers != null)
{
    for (int col = 0; col < headers.Count; col++)
    {
        workSheet.SetCellValue(0, col, headers[col].InnerText.Trim());
        // Apply header formatting
        var headerCell = workSheet.GetCellAt(0, col);
        headerCell.Style.Font.Bold = true;
        headerCell.Style.BackgroundColor = "#4CAF50";
    }
}
// Extract and write data rows
var rows = table.SelectNodes(".//tbody/tr");
if (rows != null)
{
    for (int row = 0; row < rows.Count; row++)
    {
        var cells = rows[row].SelectNodes("td");
        if (cells != null)
        {
            for (int col = 0; col < cells.Count; col++)
            {
                string cellValue = cells[col].InnerText.Trim();
                workSheet.SetCellValue(row + 1, col, cellValue);
            }
        }
    }
}
// Auto-fit columns for better readability
for (int col = 0; col < headers?.Count; col++)
{
    workSheet.AutoSizeColumn(col);
}
// Save the Excel file
workBook.SaveAs("ExportedTable.xlsx");

IRON VB CONVERTER ERROR developers@ironsoftware.com

Este código demuestra la API intuitiva para la manipulación de Excel en C# con IronXL. Primero, crea un nuevo WorkBook y WorkSheet. Luego, recorre los encabezados de la tabla HTML analizada, colocándolos en la primera fila mientras aplica formato en negrita y un color de fondo verde. Las filas de datos de la tabla HTML se procesan de manera similar, con el contenido de texto de cada celda extraído y colocado en la celda correspondiente de Excel. La función AutoSizeColumn asegura que todo el contenido sea visible, y finalmente, el libro de trabajo se guarda como un archivo XLSX. Puede descargar fácilmente el archivo generado o almacenarlo en una base de datos para su recuperación posterior.

Aquí, puede ver la tabla HTML original comparada con la salida de arriba:

Manejo de escenarios comunes

Al trabajar con múltiples tablas, simplemente use SelectNodes("//table") para obtener todas las tablas e iterar a través de ellas, creando hojas de cálculo separadas para cada una. Este ejemplo muestra cómo manejar escenarios complejos con grandes conjuntos de datos:

var tables = doc.DocumentNode.SelectNodes("//table");
foreach (var tbl in tables)
{
    // Create new worksheet for each table
    WorkSheet ws = workBook.CreateWorkSheet($"Table_{tables.IndexOf(tbl) + 1}");
    // Process table as shown above
}

var tables = doc.DocumentNode.SelectNodes("//table");
foreach (var tbl in tables)
{
    // Create new worksheet for each table
    WorkSheet ws = workBook.CreateWorkSheet($"Table_{tables.IndexOf(tbl) + 1}");
    // Process table as shown above
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Para el manejo de errores, envuelva la lógica de análisis en bloques try-catch para manejar HTML mal formado de manera elegante. IronXL maneja automáticamente la detección de tipos de datos, convirtiendo cadenas numéricas a números cuando es apropiado. Para escenarios más complejos que involucren contenido dinámico, los desarrolladores a menudo combinan este enfoque con herramientas como Selenium WebDriver para tablas renderizadas por JavaScript.

Al procesar contenido desde una URL o consulta de base de datos para un análisis más detallado, es posible que deba manejar detalles adicionales como valores de campos ocultos o requisitos de formato especiales. El comportamiento predeterminado funciona bien para tablas estándar, pero puede personalizar el tamaño de fuente, la familia de fuente y otras propiedades de estilo para cada primera columna o cualquier fila de tabla específica según sea necesario.

Conclusión

La combinación de IronXL y HTML Agility Pack proporciona una solución robusta y flexible para exportar tablas HTML a Excel en C#. Este artículo ha demostrado pasos simples para convertir contenido HTML a formato xlsx, exportar información de tablas de datos y crear archivos de hojas de cálculo profesionales. Este enfoque ofrece más control que los métodos rígidos incorporados, permitiendo a los desarrolladores manejar estructuras HTML complejas mientras aprovechan las completas características de Excel de IronXL.

Ya sea que esté construyendo raspadores web, migrando datos heredados de una base de datos, automatizando la generación de informes con gráficos, o realizando análisis de datos en grandes conjuntos de datos, esta solución se escala para cumplir con las necesidades empresariales. Los ejemplos de código proporcionados muestran cómo manejar diversas fuentes de entrada, desde HTML estático hasta contenido dinámico recuperado a través de una URL. Puede exportar fácilmente los resultados para su descarga o para un procesamiento más pesado en su aplicación .NET.

¿Listo para transformar sus datos HTML en archivos de hoja de cálculo de Excel profesionales? Comience su prueba gratuita de IronXL hoy y experimente la flexibilidad de la manipulación programática de Excel sin dependencias de Office. Para implementaciones en producción, explore nuestras opciones de licencia comenzando en $799.