使用 HtmlAgillityPack 解析 HTML 读取选项标签内容

Question

我正在尝试使用 HtmlAgilityPack 解析 HTML，但遇到了问题。

示例 HTML 文档：

<tr>
  <td class="css_lokalita" colspan="4">
    <select id="region" name="region">
      <option value="0"  selected>Všetky regiony</option>
      <optgroup>Banskobystrický kraj</optgroup>
      <option value="k_1"  style="color: #000000; font-weight:bold;">Banskobystrický kraj</option>
      <option value="1">&nbsp;&nbsp;&nbsp;Banská Bystrica</option>
          .
          .
          .
      <option value="174">&nbsp;&nbsp;&nbsp;CZ - Ústecký kraj</option>
      <option value="175">&nbsp;&nbsp;&nbsp;CZ - Zlínský kraj</option>     
    </select>
  </td>
</tr>

<tr>
  <td class="css_sfotkou"  colspan="4">
    <input type="checkbox" name="foto" value="1" id="foto" />
    <label for="foto">Iba používatelia s fotkou</label>
  </td>
</tr>

<tr>
  <td class="css_miestnost" colspan="4">
    <select name="akt-miest" id="onoffaci">
      <option value="a_0">Všetci</option>
          .
          .
          .
      <optgroup label="Záľuby a záujmy">
        <option value="m_1419307">&nbsp;&nbsp;&nbsp;Bez Lásky</option>
          .
          .
          .
        <option value="m_1108016">&nbsp;&nbsp;&nbsp;Drum N Bass</option>
      </optgroup>
    </select>
  </td>
</tr>

我需要解析来自<select name="akt-miest" id="onoffaci">的值

例如：

<option value="**a_0**">**Všetci**</option>

我需要获取值**a_0** 和文本**Všetci**。

所以我先尝试通过 Id 进行选择：

var selectNode = htmlDoc.GetElementbyId("onoffaci");

然后用 Xpath 选择所有选项节点。

var nodes = selectNode.SelectNodes("//option");

并获取值：

foreach (var node in nodes)
{
    string roomName = node.NextSibling.InnerText;
    string roomId = node.Attributes["value"].Value;
    rooms.Add(new Room { RoomId = roomId, RoomName = roomName });
}

但我从另一个选择 (<select id="region" name="region">) 中获取值，此选择位于 html 代码的顶部。

已编辑：

我应用了 Darin Dimitrov 的建议，试试这个：

HtmlNode selectNode = htmlDoc.GetElementbyId("onoffaci");

var nodes = selectNode.SelectNodes("option");

foreach (var node in nodes)
{
    string roomName = node.NextSibling.InnerText;
    string roomId = node.Attributes["value"].Value;
    rooms.Add(new Room { RoomId = roomId, RoomName = roomName });
}

return rooms;

我只解析前三个选项元素，因为我认为问题在于选择组成

optgroup 标签。

<select name="akt-miest" id="onoffaci">
  <option value="a_0">Všetci</option>
  <option value="a_1">Iba prihlásení</option>
  <option value="a_5" selected="selected">Teraz na Pokeci</option>
  <optgroup label="Hlavné miestnosti">
    <option value="m_13">&nbsp;&nbsp;&nbsp;Bez záväzkov</option>
    <option value="m_9">&nbsp;&nbsp;&nbsp;Do pohody</option>
    <option value="m_39">&nbsp;&nbsp;&nbsp;Dámsky klub</option>
  </optgroup>
  .
  .
  .

我尝试用这个选择所有以下节点

var nodes = selectNode.SelectNodes("option::*");

但我收到此错误：xpath has an invalid token.

我想访问 selectNode 的所有子节点：

HtmlNode selectNode = htmlDoc.GetElementbyId("onoffaci");

编辑#2：

这是所有 html 文件，我需要从中解析选项标签。

http://hotfile.com/dl/98442053/577b556/source.html

Answer 1

默认情况下，<OPTION> 标签被 Html Agility Pack 视为“空”，这意味着它不需要关闭 </OPTION>。在这种情况下，结束标签被丢弃。您可以使用 HtmlNode.ElementFlags 集合更改此行为。

这是一个应该做你想做的代码：

HtmlDocument doc = new HtmlDocument();
HtmlNode.ElementsFlags.Remove("option");
doc.LoadHtml(yourHtml);

foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//select[@id='onoffaci']//option"))
{
    Console.WriteLine("Value=" + node.Attributes["value"].Value);
    Console.WriteLine("InnerText=" + node.InnerText);
    Console.WriteLine();
}

Answer 2

您的 XPath 表达式：

//option

这是一条绝对路径：它遍历所有树从根开始。

你需要一个相对的 XPath 表达式：

descendant::option

或者简写

.//option

请注意：这是唯一用.（self::node()简写）开始路径的情况。

Answer 3

你应该使用：

selectNode.SelectNodes("option");

代替：

selectNode.SelectNodes("//option");

或者您从 HTML 文档的根目录开始您的 XPath 表达式。