Htmlagilitypack 仅部分解析表行

Question

我正在尝试解析 main（在 dom 树中的最后一个）

<table>

在本网站：“https://aips.um.si/PredmetiBP5/Main.asp?Mode=prg&Zavod=77&Jezik=&Nac=1&Nivo=P&Prg=1571&Let=1” 我在 Visual Studio 17 的 wpf 应用程序上使用 Htmlagilitypack 并用 C# 编写代码。

我现在正在使用这个代码：

iso = Encoding.GetEncoding("windows-1250");
web = new HtmlWeb()
{
    AutoDetectEncoding = false,
    OverrideEncoding = iso,
};
//http = https://aips.um.si/PredmetiBP5/Main.asp?Mode=prg&Zavod=77&Jezik=&Nac=1&Nivo=P&Prg=1571&Let=1
string http = formatLetnikLink(l.Attributes["onclick"].Value).ToString();           
var htmlProgDoc = web.Load(http);
string s = htmlProgDoc.ParsedText;

htmlprogDoc.ParsedText 正确包含所有行 应该在最后一个表中 （我有这个用于调试，以防监视窗口被打破或什么...... idk......）

我试图首先获取网站上的所有表格。并意识到有6个

<table></table>

标签上，即使你视觉上只看到一个。经过几个小时的调试，我意识到最后一个主表是最后一个

<table>

在dom树中，解析器完全解析所有的

<tr>

表具有的标签。这就是问题所在，我需要所有的 tr 标签。

var tables = htmlProgDoc.DocumentNode.SelectNodes("//table");

有6次

<table></table>

标签，正如预期的那样，他们每个人都被完全解析，包括他们所有的行和列，除了最后一个，在最后一个它只解析前两行，然后解析器会追加一个

 </table> 

就其本身而言，我也尝试使用从 firefox 复制的直接 xpath 选择器： “/html/body/div/center[2]/font/font/font/table”，而不是“//table” 找到了正确的表，但该表也只包含前 2 行

var theTableINeed = tables.Last();
//contains the correct table which I need, but with only the first two rows

Answer 1

该页面上的 Html 格式不正确。一种可能的解决方法是剥离最后一个表的代码并将其解析为文档。

var client = new WebClient();
string html = client.DownloadString(url);
int lastTableOpen = html.LastIndexOf("<table");
int lastTableClose = html.LastIndexOf("</table");
string lastTable = html.Substring(lastTableOpen, lastTableClose - lastTableOpen + 8);

然后使用 HtmlAgilityPack：

var table = new HtmlDocument();
table.LoadHtml(lastTable);
foreach (var row in table.DocumentNode.SelectNodes("//table//tr"))
{
    Console.WriteLine(row.ToString());
}

但是不知道是不是表本身有问题。