在 C# 中解析提要

Question

我在解析 C# 中的提要时遇到问题。

我无法让提要的作者更改代码，所以我必须处理它。

我尝试将提要作为 URL 直接传递到 XmlDocument 对象，或者使用 WebClient 作为文本获取它，修剪它以删除似乎由于某种原因放在它前面的任何空间，然后使用 LoadXML 方法加载它。

您可以在此处查看提要示例 > http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml

我无法通过任何一个

XmlDocument xmlDoc = new XmlDocument();
xmlDoc.Load(feedURL);

或者用字符串。

XmlDocument xmlDoc = new XmlDocument();
string feedAsString = "";
// get from web as string
var webClient = new WebClient();

// Tell them who we are for white listing
webClient.Headers.Add("user-agent", "Mozilla/5.0 (compatible; Job Feed Importer;)");

// fetch feed as string
var content = webClient.OpenRead(feedURL);
var contentReader = new StreamReader(content);
var rssFeedAsString = contentReader.ReadToEnd();
rssFeedAsString = rssFeedAsString.Trim(); // remove any white space beore the feed
xmlDoc.LoadXml(feedAsString);

我得到的错误是：

Root element is missing.
Could not extract first items from feed string; Error The element with name 'jobs' and namespace '' is not an allowed feed format.

我想使用 xpath /jobs/job/ 循环通过提要节点。

我之前解析过这样的提要，XmlDocument 只传入一个 URL，如果不是，则传入一个字符串。

我正在考虑使用正则表达式来循环使用<job>[\s\S]+></job> 类型表达式的提要。

但我更愿意使用标准方法。

由于我无法更改提要，任何人都可以告诉我提要有什么问题以及我解析它的方式。原谅我使用 var 我只是被编造了一段代码来解析来自使用它的示例的提要。我在其他任何地方都使用强类型，一旦我开始工作就会转换它。

任何帮助将不胜感激。

谢谢

Answer 1

编辑：您当前的代码失败的原因很简单——您正在尝试解析一个空字符串：

string feedAsString = "";
...
var rssFeedAsString = contentReader.ReadToEnd();
rssFeedAsString = rssFeedAsString.Trim();
xmlDoc.LoadXml(feedAsString);

您永远不会将 feedAsString 设置为新值 - 但您将获取文本为 rssFeedAsString。这是两个不同的变量。

也就是说，我会使用完全不同的方法。我认为不需要修剪等 - 或使用 XPath，或通过 RSS 阅读器传递它（假设它不是 RSS）。唯一棘手的部分是显式指定 User-Agent 标头，否则服务器会拒绝请求。

我个人会使用 LINQ to XML，这似乎很好：

using System;
using System.Net;
using System.Xml.Linq;

class Test
{
    static void Main()
    {
        string text;
        using (var webClient = new WebClient())
        {
            string url = "http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml";
            webClient.Headers.Add("user-agent", "Mozilla/5.0");
            text = webClient.DownloadString(url);
        }
        var doc = XDocument.Parse(text);
        foreach (var job in doc.Root.Elements("job"))
        {
            Console.WriteLine(job);
        }
    }
}

Answer 2

我使用了以下解决方案，请看一下：

        XmlDocument xdoc = new XmlDocument();
        xdoc.Load("http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml");
        if (xdoc != null)
        {
            XmlElement root = xdoc.DocumentElement;
            XmlNodeList xNodelst = root.SelectNodes("job");
            foreach (XmlNode node in xNodelst)
            {
                string location = node.SelectSingleNode("location").InnerText;
                Response.Write("<br/> location = " + location);
            }
        }

Answer 3

这对我有用。我用的是下载字符串。

        var feedURL = "http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml";
        XmlDocument xmlDoc = new XmlDocument();
        string feedAsString = "";
        // get from web as string
        var webClient = new WebClient();

        // Tell them who we are for white listing
        webClient.Headers.Add("user-agent", "Mozilla/5.0 (compatible; Job Feed Importer;)");

        // fetch feed as string
        var content = webClient.DownloadString(feedURL);
        xmlDoc.LoadXml(content);
        var jobs = xmlDoc.GetElementsByTagName("job");
        foreach (var job in jobs)
        {
           //Loop through Jobs 
        }

Answer 4

听起来很傻，试试Html Agility Pack。它旨在处理格式不太好的输入，您可以使用类似 XPath 的表达式来遍历树。