比较 XPath 列表以找到最接近另一个节点？答案

【问题标题】：Compare XPath list to find the closest to another node?比较 XPath 列表以找到最接近另一个节点？
【发布时间】：2012-03-08 17:38:54
【问题描述】：

我有以下节点

"/html[1]/body[1]/div[1]/div[1]/div[3]/div[1]/div[7]/p[1]/#text[1]"

我怎样才能确定其中最后一个是最接近的？

"/html[1]/body[1]/div[1]/div[1]/div[3]/div[1]/div[4]/div[1]/img[1]"
"/html[1]/body[1]/div[1]/div[1]/div[3]/div[1]/div[4]/div[3]/a[1]/img[1]"
"/html[1]/body[1]/div[1]/div[1]/div[3]/div[1]/div[4]/div[3]/a[2]/img[1]"
"/html[1]/body[1]/div[1]/div[1]/div[3]/div[1]/div[4]/div[5]/img[1]"
"/html[1]/body[1]/div[1]/div[1]/div[3]/div[1]/div[5]/div[1]/img[1]"

不一定是最后一个。

我是这样到达那里的：

protected string GuessThumbnail(HtmlDocument document)
{
    HtmlNode root = document.DocumentNode;
    IEnumerable<string> result = new List<string>();

    HtmlNode description = root.SelectSingleNode(DescriptionPredictiveXPath);
    if (description != null) // in this case, we predict relevant images are the ones closest to the description text node.
    {
        HtmlNode node = description.ParentNode;
        while (node != null)
        {
            string path = string.Concat(node.XPath, ImageXPath);
            node = node.ParentNode;
            IEnumerable<HtmlNode> nodes = root.SelectNodesOrEmpty(path);

            // find the image tag that's closest to the text node.
            if (nodes.Any())
            {
                var xpaths = nodes.Select(n => n.XPath);
                xpaths.ToList();

                // return closest
            }
        }
    }
    // figure some other way to do it

    throw new NotImplementedException();
}

【问题讨论】：

您的意思是在文档结构中与目标元素的距离最近吗？
是的，就是这样。我想以某种方式找出div[7] 更接近div[5] 而不是div[4]，如果有多个div[5]，则检查下一级，等等。直到找到最接近的元素。
您的代码是否使用 CodePlex 的 Html Agility Pack？
另外，您需要排序的元素是否总是在同一级别具有相同的元素类型，即 div 到 div 等？问题是如果索引器不是，则您无法确定它们的接近程度，并且这消除了简单地比较 xpath 的能力。如果它们是不同的节点，那么区分的唯一方法是遍历树并记录每个发现的节点的距离度量。

标签： c# xpath html-agility-pack closest prediction

【解决方案1】：

考虑为每个节点分配“深度优先顺序在整个树中的位置”。这样比较 2 个节点会非常简单。

如果您可以将任意数据附加到您的节点 - 直接添加它。否则有所有节点的字典来定位地图。

请注意，根据您需要进行此比较的次数，此方法可能会降低您的速度，但它应该易于实施和衡量，它符合您的要求。

【讨论】：

【解决方案2】：

是这样的吗：

    protected string GuessThumbnail(HtmlDocument document)
    {
        HtmlNode root = document.DocumentNode;
        HtmlNode description = root.SelectSingleNode(DescriptionPredictiveXPath);

        if (description != null)
        {
            // in this case, we predict relevant images are the ones closest to the description text node.
            HtmlNode parent = description.ParentNode;
            while (parent != null)
            {
                string path = string.Concat(parent.XPath, ImageXPath);
                IList<HtmlNode> images = root.SelectNodesOrEmpty(path).ToList();

                // find the image tag that's closest to the text node.
                if (images.Any())
                {
                    HtmlNode descriptionOutermost = description.ParentNodeUntil(parent); // get the first child towards the description from the parent node.
                    int descriptionIndex = descriptionOutermost.GetIndex(); // get the index of the description's outermost element.

                    HtmlNode closestToDescription = null;
                    int distanceToDescription = int.MaxValue;

                    foreach (HtmlNode image in images)
                    {
                        int index = image.ParentNodeUntil(parent).GetIndex(); // get the index of the image's outermost element.
                        if (index > descriptionIndex)
                        {
                            index *= -1;
                        }
                        int distance = descriptionIndex - index;
                        if (distance < distanceToDescription)
                        {
                            closestToDescription = image;
                            distanceToDescription = distance;
                        }
                    }
                    if (closestToDescription != null)
                    {
                        string source = closestToDescription.Attributes["src"].Value;
                        return source;
                    }
                }

                parent = parent.ParentNode;
            }
        }
        // figure some other way to do it

        throw new NotImplementedException();
    }


public static HtmlNode ParentNodeUntil(this HtmlNode node, HtmlNode parent)
{
    while (node.ParentNode != parent)
    {
        node = node.ParentNode;
    }
    return node;
}
public static int GetIndex(this HtmlNode node)
{
    return node.ParentNode.ChildNodes.IndexOf(node);
}

【讨论】：