C# Html Agility Pack 解析具有多种选择的标签答案

【问题标题】：C# Html Agility Pack parsing tags with multiple alternativesC# Html Agility Pack 解析具有多种选择的标签
【发布时间】：2016-05-10 09:12:40
【问题描述】：

我对 HTML 没有任何经验，请原谅任何不正确的术语。

我正在尝试使用 HTML Agility Pack 解析 HTML 文档，并且正在寻找一个非常具体的字符串。

我要获取表单的所有字符串：

<img src="..." etc=....">

所以我的选择参数是

HtmlNodeCollection images = doc.DocumentNode.SelectNodes("//img[@src]");

但是，这最终也会返回字符串，例如

<img width="..." src="..." etc="..">

在我看来（至少据我所知）：搜索 img 标签和 src 只需要在同一级别上找到，不一定在 img 标签旁边。

查看文档后，我觉得我正在尝试使用此功能做一些我不允许做的事情。

有人可以建议正确的方法来做到这一点。谢谢！

【问题讨论】：

标签： c# html tags html-agility-pack

【解决方案1】：

"搜索img标签和src只需要在同一层找到，不一定就在img标签旁边。 em>"

您似乎想找到<img> 元素，其中src 属性是第一个属性。请注意，XML/HTML 解析器不必保留属性顺序，因此通常您不希望根据某些属性顺序选择元素，即 src 属性首先出现的位置，等等。

无论如何，在我过于简化的测试中，HAP 恰好保留了属性顺序，因此使用Attributes[0].Name* 检查第一个属性的名称也有效：

var raw = @"<div>
    <img src=""..."" etc=""...."">
    <img width=""..."" src=""..."" etc="".."">
    <img>
</div>";
var doc = new HtmlDocument();
doc.LoadHtml(raw);
var result = doc.DocumentNode
                .SelectNodes("//img[@src]")
                .Where(o => o.Attributes[0].Name == "src")
                .ToList();
foreach (var item in result)
{
    Console.WriteLine(item.OuterHtml);
}

输出：

<img src="..." etc="....">

*) XPath 已经过滤了具有src 属性的img 元素，所以Attributes[0].Name 永远不会产生NRE，如果您担心的话。

【讨论】：

我对发帖者的问题有了不同的理解——他只想要具有 src 和 etc 属性的 img 节点。让我们看看发帖人是如何回答的。
我最初想建议您的答案中当前的内容，但后来我意识到，etc，OP 可能意味着说 其他一些属性，而不是字面意义上的属性名称 @ 987654331@。我引用的话似乎支持这个想法（OP 意味着别的）..
哦...那不公平 :-)
@Veverke 别担心，我的水晶球只是偶尔工作：D
@har07 你正确地理解了我，这正是我想要的。谢谢！

【解决方案2】：

我不熟悉 XPATH，所以我假设你的是正确的（除了 HtmlAgilityPack 之外，我通常使用使用 ScrapySharp 库的 css 选择器）。

以下控制台项目代码 sn-p 将仅返回您想要的 img 节点，即仅具有 2 个属性的节点 - src 等，不多不少。我手动加载了一个带有 3 个图像节点的示例 html，如下所示：

        HtmlDocument doc = new HtmlDocument();
        string html = @"
            <img src='img1.jpg' />
            <img src='img1.jpg' etc='etcValue' />
            <img width='200px' src='img1.jpg' />
        ";
        doc.LoadHtml(html);

        var relevantImgNodes = doc.DocumentNode.SelectNodes("//img")
            .Where(n => 
                n.Attributes.Count == 2 && 
                !string.IsNullOrEmpty(n.GetAttributeValue("src")) && 
                !string.IsNullOrEmpty(n.GetAttributeValue("etc")));

        Console.WriteLine(relevantImgNodes.Count()); // prints 1

【讨论】：