HTML 敏捷包

Question

我想使用 html 敏捷包解析 html 表。我只想从表中提取一些预定义的列数据。

但我是解析和 html 敏捷包的新手，我已经尝试过，但我不知道如何使用 html 敏捷包来满足我的需要。

如果有人知道，请尽可能举个例子

编辑：

如果我们只想提取决定的列名的数据，是否可以解析 html 表？就像有 4 列名称、地址、电话号码，我只想提取名称和地址数据。

Answer 1

在论坛here 中有一个例子。向下滚动一点以查看表格答案。我真希望他们能提供更容易找到的更好的样本。

编辑： 要从特定列中提取数据，您必须首先找到与您想要的列相对应的 <th> 标记并记住它们的索引。然后，您需要为相同的索引找到 <td> 标记。假设您知道列的索引，您可以执行以下操作：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://somewhere.com");
HtmlNode table = doc.DocumentNode.SelectSingleNode("//table");
foreach (var row in table.SelectNodes("//tr"))
{
    HtmlNode addressNode = row.SelectSingleNode("td[2]");
    //do something with address here
    HtmlNode phoneNode = row.SelectSingleNode("td[5]");
    // do something with phone here
}

编辑2： 如果您不知道列的索引，您可以这样做。我没有测试过。

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://somewhere.com");
var tables = doc.DocumentNode.SelectNodes("//table");

foreach(var table in tables)
{
    int addressIndex = -1;
    int phoneIndex = -1;
    var headers = table.SelectNodes("//th");
    for (int headerIndex = 0; headerIndex < headers.Count(); headerIndex++)
    {
        if (headers[headerIndex].InnerText == "address")
        {
            addressIndex = headerIndex;
        }
        else if (headers[headerIndex].InnerText == "phone")
        {
            phoneIndex = headerIndex;
        }
    }

    if (addressIndex != -1 && phoneIndex != -1)
    {
        foreach (var row in table.SelectNodes("//tr"))
        {
            HtmlNode addressNode = row.SelectSingleNode("td[addressIndex]");
            //do something with address here
            HtmlNode phoneNode = row.SelectSingleNode("td[phoneIndex]");
            // do something with phone here
        }
    }
}