使用 XPath 和 HTMLAbilityPack 提取 HTML 的特定部分答案

【问题标题】：Extract a certain part of HTML with XPath and HTMLAbilityPack使用 XPath 和 HTMLAbilityPack 提取 HTML 的特定部分
【发布时间】：2013-09-12 01:16:20
【问题描述】：

我遇到了 XPath 语法问题，因为我不明白如何使用它来提取某些 HTML 语句。我正在尝试从频道页面加载视频信息； http://www.youtube.com/user/CinemaSins/videos

我知道有一行包含视图、标题、ID 等的所有详细信息。

这是我试图从 html 中获取的内容：

这是第 2836 行；

<div class="yt-lockup clearfix  yt-lockup-video yt-lockup-grid context-data-item" data-context-item-id="ntgNB3Mb08Y" data-context-item-views="243,456 views" data-context-item-time="9:01" data-context-item-type="video" data-context-item-user="CinemaSins" data-context-item-title="Everything Wrong With The Chronicles Of Riddick In 8 Minutes Or Less">

我不知道怎么做，但是我添加了 HTML 能力包作为资源，并开始尝试获取它。有人能解释一下如何获取所有这些细节以及所涉及的 XPath 语法吗？

我的尝试：

foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//div[@class='yt-lockup clearfix  yt-lockup-video yt-lockup-grid context-data-item']//a"))
            {
                if (node.ChildNodes[0].InnerHtml != String.Empty)
                {
                    title.Add(node.ChildNodes[0].InnerHtml);
                }
            }

^ 上面的代码仅用于获取每个视频的标题。但它也有一个空白输入。执行的代码和结果如下。

【问题讨论】：

我不明白你想做什么，你能补充更多信息吗？

标签： c# html xpath

【解决方案1】：

您的 xpath 正在选择 <div> 内的 <a> 元素。如果你也想要<div> 的属性，那么你需要要么

a) 选择两个元素并分别处理它们。 b) 运行几个 xpath 查询，在其中指定所需的确切属性。

让我们以 (a) 为例。

var nodes = doc.DocumentNode.SelectNodes("//div[@class='yt-lockup clearfix  yt-lockup-video yt-lockup-grid context-data-item']");

并像这样获取属性和标题：

foreach(var node in nodes)
{
  foreach(var attribute in node.Attributes)
  {
    // ... Get the values of the attributes here.
  }

  var linkNodes = node.SelectNodes("//a"));
  // ... Get the InnerHtml as per your own example.
}

我希望这已经足够清楚了。祝你好运。

【讨论】：

我不明白。除了 '//a' 之外，我还需要添加什么来获得不同的部分？（我得到了其余的，只是这令人困惑）

【解决方案2】：

似乎给我的答案在挖掘大量之后没有帮助，我终于明白了 XPath 是如何工作的，并设法自己做到了，如下所示；

foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//div[@class='yt-lockup clearfix  yt-lockup-video yt-lockup-grid context-data-item']"))
            {
                String val = node.Attributes["data-context-item-id"].Value;
                videoid.Add(val);
            }

我只需要抓取课堂上的内容。知道这一点后使用起来会容易得多。

【讨论】：