这个树遍历代码中的错误在哪里？

Question

Traverse() 中有一个错误导致它多次迭代节点。

错误代码

public IEnumerable<HtmlNode> Traverse()
{
    foreach (var node in _context)
    {
        yield return node;
        foreach (var child in Children().Traverse())
            yield return child;
    }
}

public SharpQuery Children()
{
    return new SharpQuery(_context.SelectMany(n => n.ChildNodes).Where(n => n.NodeType == HtmlNodeType.Element), this);
}

public SharpQuery(IEnumerable<HtmlNode> nodes, SharpQuery previous = null)
{
    if (nodes == null) throw new ArgumentNullException("nodes");
    _previous = previous;
    _context = new List<HtmlNode>(nodes);
}

测试代码

    static void Main(string[] args)
    {
        var sq = new SharpQuery(@"
<a>
    <b>
        <c/>
        <d/>
        <e/>
        <f>
            <g/>
            <h/>
            <i/>
        </f>
    </b>
</a>");
        var nodes = sq.Traverse();
        Console.WriteLine("{0} nodes: {1}", nodes.Count(), string.Join(",", nodes.Select(n => n.Name)));
        Console.ReadLine();

输出

19 个节点：#document,a,b,c,g,h,i,d,g,h,i,e,g,h,i,f,g,h,i

预期输出

每个字母 a-i 打印一次。

似乎无法弄清楚哪里出了问题...node.ChildNodes 是否只返回直接孩子，对吗？ （来自 HtmlAgilityPack）

---

如果你想尝试自己运行的话，完整的课程（浓缩）。

public class SQLite
{
    private readonly List<HtmlNode> _context = new List<HtmlNode>();
    private readonly SQLite _previous = null;

    public SQLite(string html)
    {
        var doc = new HtmlDocument();
        doc.LoadHtml(html);
        _context.Add(doc.DocumentNode);
    }

    public SQLite(IEnumerable<HtmlNode> nodes, SQLite previous = null)
    {
        if (nodes == null) throw new ArgumentNullException("nodes");
        _previous = previous;
        _context = new List<HtmlNode>(nodes);
    }

    public IEnumerable<HtmlNode> Traverse()
    {
        foreach (var node in _context)
        {
            yield return node;
            foreach (var child in Children().Traverse())
                yield return child;
        }
    }

    public SQLite Children()
    {
        return new SQLite(_context.SelectMany(n => n.ChildNodes).Where(n => n.NodeType == HtmlNodeType.Element), this);
    }
}

Answer 1

首先，请注意，只要我们迭代没有任何兄弟元素的元素，一切都会按计划进行。一旦我们点击元素<c>，事情就开始变得混乱。同样有趣的是<c>、<d> 和<e> 都认为它们包含<f> 的孩子。

让我们仔细看看你对SelectMany()的调用：

_context.SelectMany(n => n.ChildNodes)

遍历_context 中的项目并累积每个项目的子节点。让我们看看_context。一切都应该没问题，因为它是一个长度为1 的List。还是这样？

我怀疑您的 SharpQuery(string) 构造函数将兄弟元素存储在同一个列表中。在这种情况下，_context 的长度可能不再是 1，请记住，SelectMany()累积列表中每个项目的子节点。

例如，如果_context 是一个包含<c>、<d>、<e> 和<f> 的列表，则只有<f> 有子元素，并且SelectMany() 为每个元素调用一次，它会累积并返回<f> 的孩子四次。

我认为这是你的错误。

编辑：既然你已经发布了完整的课程，我就不必再猜测了。查看迭代 <b> 时的操作顺序（迭代器替换为列表以便更好地理解）：

1. 在<b>上调用Children()，返回<c>、<d>、<e>和<f>，
2. 在结果列表中调用Traverse()：
   1. 在<c>上调用Children()，但是 _context实际上包含<c>、<d>、<e>和<f>，不仅是<c>，所以返回<g>、<h> 和 <i>，
   2. 在<d> 上调用Children()，同样的事情，因为_context 相同对于两者 <c> 和<d>（和<e>，和<f>)，
   3. 起泡、冲洗、重复。

Answer 2

public IEnumerable<HtmlNode> All()
{
    var queue = new Queue<HtmlNode>(_context);

    while (queue.Count > 0)
    {
        var node = queue.Dequeue();
        yield return node;
        foreach (var next in node.ChildNodes.Where(n => n.NodeType == HtmlNodeType.Element))
            queue.Enqueue(next);
    }
}

courtesy link

Answer 3

Children() 被破坏，它也选择兄弟姐妹的孩子。我会改写成这样的：

public IEnumerable<HtmlNode> Traverse(IEnumerable<HtmlNode> nodes)
{
    foreach (var node in nodes)
    {
        yield return node;
        foreach (var child in Traverse(ChildNodes(node)))
            yield return child;
    }
}

private IEnumerable<HtmlNode> ChildNodes(HtmlNode node)
{
    return node.ChildNodes.Where(n => n.NodeType == HtmlNodeType.Element);
}


public SharpQuery(IEnumerable<HtmlNode> nodes, SharpQuery previous = null)
{
    if (nodes == null) throw new ArgumentNullException("nodes");
    _previous = previous; // Is this necessary?
    _context = new List<HtmlNode>(nodes);
}

Answer 4

我会做这样的事情，看看它是否能解决问题：

public IEnumerable<HtmlNode> Traverse()
{
foreach (var node in _context)
{
    Console.WriteLine(node.Name);
    if(!node.HasChildren) {
     yield return node;
    }
    else {
    foreach (var child in Children().Traverse())
        yield return child;
    }
    }
}
}

Answer 5

我不能确切地说，但你可以看到模式是，一旦你的东西遇到“c”的“/”，它就会开始认为“g,h,i”是每个后续的一部分字母直到遇到“f”的“/”。

你很可能有一个额外的循环，你应该骑。

或者由于某种原因，它没有正确计算“/>”部分。

Answer 6

这还不够吗？

public IEnumerable<HtmlNode> Traverse()
{
    foreach (var node in _context)
    {
        Console.WriteLine(node.Name);
        yield return node;
        foreach (var child in Children().Traverse())
            {} //yield return child;
    }
}