如何在 C# 中的 HTML 源代码中按类或 id 抓取元素？答案

【问题标题】：How to grab elements by class or id in HTML Source in C#?如何在 C# 中的 HTML 源代码中按类或 id 抓取元素？
【发布时间】：2011-12-11 01:38:32
【问题描述】：

我正在尝试使用 C# windows 窗体应用程序根据类或 id 名称从 HTML 源中获取元素。我使用 WebClient 将源代码放入字符串中，并使用 HtmlDocument 将其插入 HTMLAgilityPack 中。

但是，我在 HTMLAgilityPack 包中找到的所有示例都会根据标签解析和查找项目。我需要找到一个特定的 id，比如 html 中的链接，然后检索标签内的值。这是可能的吗？最有效的方法是什么？我试图解析ID的一切都给了我例外。谢谢！

【问题讨论】：

标签： c# html parsing html-agility-pack

【解决方案1】：

你应该可以用 XPath 做到这一点：

HtmlDocument doc = new HtmlDocument();
doc.Load(@"file.htm");

HtmlNode node = doc.DocumentNode.SelectSingleNode("//*[@id=\"my_control_id\"]");
string value = (node == null) ? "Error, id not found" : node.InnerHtml;

这里对xpath的快速解释：

// 表示搜索路径中的任何位置，如果匹配多个则使用SelectNodes
* 表示匹配任何类型的节点
[] 定义“谓词”，它们基本上是检查与此节点相关的属性
[@id=\"my_control_id\"] 表示查找具有名为“id”且值为“my_control_id”的属性的节点

Further reference

【讨论】：

谢谢，我应该用这个代替 HTMLAgilityPack 吗？我正在使用 HtmlAgilityPack.HtmlDocument 定义 HtmlDocument。您的代码很有意义，它应该可以工作，但是每次尝试执行它时，我都会收到“未将对象引用设置为对象的实例”异常。我似乎不能只使用 HtmlDocument doc = new HtmlDocument();因为它说它没有构造函数。
我为此使用了 HTMLAgilityPack。你在某处有另一个名为 HtmlDocument 的类吗？也许尝试HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument() 也编辑示例以检查空节点。
非常感谢您的帮助！是的，HtmlAgilityPack 是我一直在使用的 HtmlDocument。无论我在 html 源代码中选择哪个 id 或类，该节点肯定会返回为 null，我现在收到的是错误消息而不是异常，所以这将是我要弄清楚的最后一点。
也许看看doc.ParseErrors，看看它是否在解析您的页面时出现问题？
是的，那里似乎确实有人居住。我想这将是一个单独的问题。再次感谢，非常有帮助！