如何使用htmlagilitypack解析HTML文本？

问题描述：

所以下面是行代码，如何使用htmlagilitypack解析HTML文本？

<td class="line1left"><a href="scenario_WLM-16-SCENARIOS.html#population_SCN02_MS_AddNotes_CAM">SCN02_MS_AddNotes_CAM</a></td><td class="line1left">798 (6.14%) 
    </td><td class="line1left">0.9</td><td class="line1left">0s (<span> - %</span>) 
    </td><td class="line1left">0% (<span class="goodPercentage">-100%</span>) 
    </td> 

    <td class="line1left"><a href="scenario_WLM-16-SCENARIOS.html#population_SCN05_MS_UpdateCustomer_CAM">SCN05_MS_UpdateCustomer_CAM</a></td><td class="line1left">888 (6.83%) 
    </td><td class="line1left">1.0</td><td class="line1left">0s (<span> - %</span>) 
    </td><td class="line1left">0% (<span class="goodPercentage">-100%</span>) 
    </td>

从第一块，我需要得到SCN02_MS_AddNotes_CAM和798。要获得798我正在使用此代码，但我也得到了(6.14%)，我不想要。

var content1 = doc1.DocumentNode.SelectNodes("//td[@class='line1left']")[1].InnerText;

我只想得到798。那么有人能帮助我吗？

我也想知道如何从第二个块获得相同的值。我的印象是，括号内的数字表示类别line1left的不同事件。但在这里它代表不同的InnerHtml元素。

[1]

有没有人知道如何让这个工作？
非常感谢。

答

var line1left_list = (from d in document.DocumentNode.Descendants() 
           where d.Name == "td " && d.Attributes["class"] != null 
           && (d.Attributes["class"].Value == "line1left") 
           select d); 

    foreach (HtmlNode line1left in line1left_list) 
    { 
     var _link = line1left.Descendants("a").FirstOrDefault(); 

     string linkUrl = ""; 
     string link = ""; 

     if (_link != null) 
     { 
      linkUrl = _link.Attributes["href"].Value; 
      link = _link.InnerText 


     } 
    }

如果“798”总是出现在链接之后，那么可以试试这个_link.Descendants（）并获取第一个HtmlNode的内部文本。 – Melad

最后一行“link = _link.InnerText;”总是给我line1left最后（第二个）块的InnerText值。我如何获得第一个区块和所有区块之间的价值？ – crossemup

您可以创建一个字符串数组并添加所有的链接。 – Melad

答

它看起来像你希望所有<td>标签与“line1left”的类属性将InnerText，除非<td>有<a>它内部的，在这种情况下，你想要的<a>的innerText属性。

这是一个可以做到这一点的例子。如果<td>具有<a>，则选择<a>，否则选择<td>。

HtmlDocument doc1 = new HtmlDocument(); 
doc1.Load("xmlfile2.xml"); 

var nodes = doc1.DocumentNode.SelectNodes("(//td[@class='line1left']/a) | (//td[@class='line1left' and not(a)])"); 

foreach(var node in nodes) 
    Console.WriteLine(node.InnerText.Trim());

这将选择文档中的所有节点。您可以使用常规的C＃代码去除各个值上不需要的格式。

如何使用htmlagilitypack解析HTML文本？

相关推荐