解析内部 HTML

Question

这就是我要解析的内容

<div class="photoBox pB-ms">
<a href="/user_details?userid=ePDZ9HuMGWR7vs3kLfj3Gg">
<img width="100" height="100" alt="Photo of Debbie K." src="http://s3-media2.px.yelpcdn.com/photo/xZab5rpdueTCJJuUiBlauA/ms.jpg">
</a>
</div>

我正在使用以下 XPath 来查找它

HtmlNodeCollection bodyNode = htmlDoc.DocumentNode.SelectNodes("//div[@class='photoBox pB-ms']");

这很好，返回，s me all div,s with photobox class

但是当我想使用 ahref 时

HtmlNodeCollection bodyNode = htmlDoc.DocumentNode.SelectNodes("//div[@class='photoBox pB-ms'//a href]");

我收到错误无效令牌。

我也尝试过使用查询

   var lowestreview =
  from main in htmlDoc.DocumentNode.SelectNodes("//div[@class='photoBox pB-ms']") 
   from rating in main.SelectNodes("//a href")
  select new { Main=main.Attributes[0].Value,AHref = rating.ToString() };

谁能告诉我如何编写 XPath 或查询来获得这个 AHref

Answer 1

这可行（已测试）：

HtmlNodeCollection bodyNodes = htmlDoc.DocumentNode
                                      .SelectNodes("//div[@class='photoBox pB-ms']/a[@href]");
foreach(var node in bodyNodes)
{
    string href = node.Attributes["href"].Value;
}

问题是您混淆了属性和元素选择器。此外，您还不清楚您是否真的打算查询集合。

上面的 XPath 选择器将选择所有具有 href 属性的 a 元素，这些元素是具有 'photoBox pB-ms' 类的 div 元素的子节点。然后您可以迭代这个集合并获取每个元素的href 属性值。

HtmlAgilityPack 现在也支持 Linq（自 1.4 起），因此只需获取特定的属性值就可以更容易（imo），如下所示：

string hrefValue = htmlDoc.DocumentNode
                          .Descendants("div")
                          .Where(x => x.Attributes["class"].Value == "photoBox pB-ms")
                          .Select(x => x.Element("a").Attributes["href"].Value)
                          .FirstOrDefault();

Answer 2

你可以使用HTMLAgilePack代替XML解析

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml([HTML Text]);
foreach(HtmlNode link in doc.DocumentElement.SelectNodes("//a[@href"])
{
    HtmlAttribute att = link["href"];
    // att.Value
}