使用 htmlAgilityPack 从 <a> 标记中抓取所有内部文本 [关闭]

Question

我想从链接http://search.freefind.com/siteindex.html?id=59478474&ltr=10240&fwr=0&pid=i&ics=1 中删除所有单词 我尝试过这样的事情：

HtmlWeb web = new HtmlWeb();
HtmlAgilityPack.HtmlDocument doc = web.Load("http://search.freefind.com/siteindex.html?id=59478474&ltr=10240&fwr=0&pid=i&ics=1");
HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//font[@class='search-index-font']//a");

if (nodes != null)
{

    foreach (HtmlNode n in nodes)
    {
         link = n.InnerText;
        my_link.Add(link);
        MessageBox.Show(link);
    }

}
else
    MessageBox.Show("no wordfound ");

我的expexted输出应该像

a    
aa
aachhe
aagrashi
aagun
aaj
aam
aanka
aankhi
aar
aashman
abāddhō
abāddhōtā
abadh
..
..

但它不起作用？？它显示“找不到单词”意味着它返回 null。在这种情况下，我如何从 标记中获取所有文本？？？ 谁能告诉我 SelectNodes("") 应该是什么？？？

Answer 1

您需要在<script> 标记（不是您所说的<a> 标记）之后搜索下一个文本节点，在<font class='search-index-font'> 内。这个 xpath 表达式可以解决问题：

//font[@class='search-index-font']/script/following-sibling::text()[1]

还有这段代码：

HtmlWeb web = new HtmlWeb();
HtmlAgilityPack.HtmlDocument doc = web.Load("http://search.freefind.com/siteindex.html?id=59478474&ltr=10240&fwr=0&pid=i&ics=1");
HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//font[@class='search-index-font']/script/following-sibling::text()[1]");

将返回您需要的文本节点：

a
aa
aachhe
aagrashi
aagun
aaj
aam
aanka
aankhi
aar
...

Answer 2

试试这个：

doc.DocumentNode.SelectNodes("//a[@class='search-index-links']");

而不是

doc.DocumentNode.SelectNodes("//font[@class='search-index-font']//a");

Answer 3

HtmlWeb web = new HtmlWeb();
HtmlAgilityPack.HtmlDocument doc =
    web.Load("http://search.freefind.com/siteindex.html?id=59478474&ltr=10240&fwr=0&pid=i&ics=1");
HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//font[@class='search-index-font']");
string link = string.Empty;
if (nodes != null)
{
    foreach (var item in nodes)
    {
        var value =
        item.Elements("script").ToList();
        foreach (var items in value)
        {
            link += items.NextSibling.InnerText+ "\n";
        }
    }
    MessageBox.Show(link);
}
else
    MessageBox.Show("no wordfound ");

Answer 4

你的问题是

doc.DocumentNode.SelectNodes("//font[@class='search-index-font']//a");

返回null，如记录的here。

这是因为font 元素中没有class 属性等于search-index-font 在您在doc 中加载的html 中的a 元素。

---

如果您更改传递给 SelectNodes 的 xpath 以选择存在的内容，那么您的代码将采用不同的路径。在不知道你要达到什么目标的情况下，我无法提供进一步的建议。

---

您可以使用 HAP 来解析有效的 html，即使用它来识别脚本元素。然后你必须手动滚动一些东西来解析脚本标签的内部文本来提取你想要的东西。

最终，您需要的是孟加拉语单词列表。