HTML Agility Pack 问题（尝试从源代码解析字符串）答案

【问题标题】：HTML Agility Pack Question (Attempting to parse string from source)HTML Agility Pack 问题（尝试从源代码解析字符串）
【发布时间】：2011-08-02 15:34:31
【问题描述】：

我正在尝试使用 Agility 包来解析来自不同页面的某些信息。我有点担心使用它可能会过度使用我需要的东西，如果是这种情况，请随时告诉我。无论如何，我正在尝试解析来自杂色傻瓜的页面，以根据股票代码获取公司的名称。我将解析几个页面以类似的方式获取股票信息。

我要解析的 HTML 如下所示：

<h1 class="subHead"> 
    Microsoft Corp <span>(NASDAQ:MSFT)</span>
</h1>

另外，我要解析的页面是：http://caps.fool.com/Ticker/MSFT.aspx

所以，我想我的问题是我如何简单地从 html 中获取 Microsoft Corp，我什至应该使用敏捷包来做这样的事情吗？

编辑：当前代码

public String getStockName(String ticker)
{
    String text ="";
    HtmlAgilityPack.HtmlWeb web = new HtmlAgilityPack.HtmlWeb();
    HtmlAgilityPack.HtmlDocument doc = web.Load("http://caps.fool.com/Ticker/" + ticker + ".aspx");

    var node = doc.DocumentNode.SelectSingleNode("/h1[@class='subHead']");
    text = node.FirstChild.InnerText.Trim();
    return text;
}

【问题讨论】：

我发现 HTML Agility Pack 非常适合这种情况 - 即在没有提供数据源的情况下，但出于某种原因您仍想解析第 3 方数据。我做了一些与你过去所做的非常相似的事情。下一步是解析价格、每日变化等:)
@C.McAtackney 谢谢！是的，这只是一个开始，但我认为一旦我的脚湿了，它就不会那么粗糙了。感谢您让我知道我在正确的轨道上。

标签： c# html html-parsing html-agility-pack

【解决方案1】：

这将为您提供所有股票名称的列表，对于您的 Microsoft 示例 Html：

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.Load("test.html");

var nodes = doc.DocumentNode.SelectNodes("//h1[@class='subHead']");
foreach (var node in nodes)
{
    string text = node.FirstChild.InnerText; //output: "Microsoft Corp"
    string textAll = node.InnerText; //output: "Microsoft Corp (NASDAQ:MSFT)"
}

编辑基于更新的问题 - 这应该适合你：

string text = "";
HtmlWeb web = new HtmlWeb();

string url = string.Format("http://caps.fool.com/Ticker/{0}.aspx", ticker);
HtmlAgilityPack.HtmlDocument doc = web.Load(url);

var node = doc.DocumentNode.SelectSingleNode("//h1[@class='subHead']");
text = node.FirstChild.InnerText.Trim();
return text;

【讨论】：

@broken 谢谢！我很感激帮助。如果您不介意，我还有一个我在编辑底部描述的小问题，如果您在该问题上提供任何帮助，我将不胜感激。祝你有美好的一天！
@BrokenGlass 再次感谢您！我正在使用您更新的代码，但仍然出现错误。 “你调用的对象是空的。”它发生在节点...Trim()。有没有可能是 Select 节点没有找到任何东西？
@PFranchise：此代码适用于我，已使用 ticker = "MSFT" 进行了测试 - 刚刚使用 AAPL 再次尝试，并且效果也很好 - 你确定你使用的是 exactly 这个吗代码？
@PFranchise：您在更新的代码中缺少反斜杠：它应该是 var node = doc.DocumentNode.SelectSingleNode("//h1[@class='subHead']"); - 这很可能是您的问题
@BrokenGlass 啊哈！所有作品！非常感谢您的出色帮助。非常感谢。

【解决方案2】：

使用 xpath 表达式选择元素然后拾取文本。

 foreach (var element in doc.DocumentNode.SelectNodes("//h1[@clsss='subHead']/span"))
 {
    Console.WriteLine (element.InnerText);
 }

【讨论】：