如何在某个标题下的 HTML 中找到一个链接并解析它

Question

我目前正在尝试根据其上方的标题解析来自 HTML 文档的链接，但无论我尝试什么，程序都无法找到它。 这是我的方法不起作用：

    public string findMajorURL(string collegeURL, string major)
    {
        HtmlDocument doc = new HtmlDocument();
        doc.LoadHtml(collegeURL);
        var root = doc.DocumentNode;
        var htmlNodes = root.Descendants();
        //Find html node containing the major heading
        foreach(HtmlNode node in htmlNodes)
        {
            if (node.InnerText == major)
            {
                HtmlNode target = node.NextSibling;
                List<string> links = target.Descendants("a").Select(a => a.Attributes["href"].Value).ToList();
                return links.First()+ "__IT WORKED__";
            }
        }
        return "Major not found";
    }

这就是我试图解析的 HTML：

    <div style="padding-left: 20px">
       <h3 id="ent1629">Biological Sciences </h3>
       <a href="preview_entity.php?catoid=5&ent_oid=1629&returnto=818">Go to information for this department.</a>
       <br>
       <p>...</p>
       <div id="data_c_1629" style="display: none">...</div>
       <!--script language="javascript">hideshow(data_c_1630)</script-->

用户输入的专业应该与标题生物科学相匹配。根据标题，我想获得 under 的链接，在本例中为 preview_entity.php?catoid=5&ent_oid=1629&returnto=818

警告：我不能将 XPath 与我拥有的 Visual Studio 版本一起使用，所以我假设以某种方式使用 LINQ 将是最好的方法，但我再次不确定。

编辑 事实证明，内部文本与专业不匹配，但是，我看不出这怎么可能，因为我直接从 html 代码中获取了它。有什么想法吗？

Answer 1

根据发布的 HTML sn-p，node 在您的 if 块内引用 <h3> 元素，target 引用 <h3> 的下一个兄弟，即 <a>。也就是说，你不需要做target.Descendants("a")。直接从target 获取href 属性即可：

if (node.InnerText == major)
{
    HtmlNode target = node.NextSibling;
    return target.GetAttributeValue("href", "")+ "__IT WORKED__";
}