如何选择包含特定关键字的表 - c# - xpath - htmlagilitypack

Question

我必须从没有任何类或 ID 的产品页面收集信息。我正在使用 htmlagilitypack 和 c# 4.0。

此产品页面源代码中有很多表格。价格表包含“KDV”字符串。所以我想得到这个包含表的“KDV”字符串。我该怎么做？

例如，下面的 xpath 将选择所有表

string srxPathOfCategory = "//table";
var selectedNodes = myDoc.DocumentNode.SelectNodes(srxPathOfCategory);

下面的代码选择表，但从最外面的表开始。我需要选择包含给定字符串的大多数内表

//table[contains(., ' KDV')]

c#、xpath、htmlagilitypack

Answer 1

下面的代码选择表，但从最外面的表开始。一世 需要选择包含给定字符串的大多数内表

使用：

//table
    [not(descendant::table) 
   and 
     .//text()[contains(., ' KDV')]
    ]

这会选择 XML 文档中没有 table 后代并且具有包含字符串 " KDV" 的文本节点后代的任何 table。

一般来说，上面的表达式可以选择很多这样的table元素。

如果您只想选择其中一个（比如第一个），请使用这个 XPath 表达式——请注意括号：

   (//table
        [not(descendant::table) 
       and 
         .//text()[contains(., ' KDV')]
        ]
    )[1]

记住：如果要选择文档中的第一个someName 元素，使用这个（如当前接受的答案）是错误的：

//someName[1]

这是 XPath 中第二常见的常见问题解答（仅次于如何在具有默认命名空间的 XML 文档中选择具有无前缀名称的元素）。

上面的表达式实际上选择了文档中的任何someName 元素，即其父元素的第一个子元素——试试看。

这种不直观行为的原因是因为 XPath [] 运算符的优先级（优先级）高于 // 伪运算符。

真正只选择第一个 someName 元素（在任何 XML 文档中）的正确表达式是：

(//someName)[1]

这里的括号用于显式覆盖默认的 XPath 运算符优先级。

Answer 2

可能有更有效的方法来做到这一点。反正， 这是我用于您的案例的全部代码，它适用于我：

        HtmlDocument doc = new HtmlDocument();
        string url = "http://www.pratikev.com/fractalv33/pratikEv/pages/viewProduct.jsp?pInstanceId=3138821";
        using (var response = (WebRequest.Create(url).GetResponse()))
        {
            doc.LoadHtml(new StreamReader(response.GetResponseStream()).ReadToEnd());
        }
        /*There is an bug in the xpath used here. Should have been 
          (//table/tr/td/font[contains(.,'KDV')])[1]/ancestor::table[2] 
          See Dimitre's answer for an explanation and an alternative / 
          more generic / (needless to say) better approach */
        string xpath = "//table/tr/td/font[contains(.,'KDV')][1]/ancestor::table[2]"; 
        HtmlNode table = doc.DocumentNode.SelectSingleNode(xpath);