在 .NET 中抓取 html 表并处理 colspans答案

【问题标题】：Scraping html tables in .NET and taking care of colspans在 .NET 中抓取 html 表并处理 colspans
【发布时间】：2011-05-05 07:03:03
【问题描述】：

我正在尝试在我的 .NET 应用程序中抓取 HTML 表格，但是我遇到了在单元格上积极使用 colspan 和 rowspan 属性的表格，这让我很头疼。我想知道是否有可用的库可以将表转换为字符串数组并处理 colspan 例如，如果 TD 元素上的 colspan=5，那么它将使用 TD 的值来处理接下来的 5 个元素

<table>
<tr>
 <td>1</td>
 <td>2</td>
 <td>3</td>
 <td>4</td>
 <td>5</td>
</tr>
<tr>
  <td colspan=4>1</td>
  <td>2</td>
</tr></table>

输出将是以下数组：

[1,2,3,4,5] [1,1,1,1,2]

【问题讨论】：

标签： c# .net html-parsing html-table

【解决方案1】：

您可以使用ParseControl，这将使整个事情变得相当简单，因为您可以访问 Colspan 属性。

【讨论】：

我可以毫无问题地进行解析，也可以访问属性。我需要的是某种逻辑，它会用值填充缺失的单元格，因此结果数组将是矩形
@gyurisc，好吧。你能不能只阅读colspan，并将x个1添加到“行列表”中？即，如果不存在，则为 1，否则为值。例如rowList.AddRange(System.Linq.Enumerable.Repeat(cellValue,cellColspan))
这就是我想要做的。尝试处理rowpsans和colspan，但我认为可能已经有现成的解决方案。

【解决方案2】：

您可以将它放在 XmlDocument 中，然后循环遍历它。不确定这是否是最好的解决方案，但它确实有效。也许是 LINQ to XML？

【讨论】：