在 HtmlAgilityPack、Xpath 中使用谓词答案

【问题标题】：Use predicates in HtmlAgilityPack, Xpath在 HtmlAgilityPack、Xpath 中使用谓词
【发布时间】：2012-02-16 19:03:07
【问题描述】：

我想从网站获取数据。我正在使用 HtmlAgilityPack (C#)。在网站内容是这样的

<div id="list">
  <div class="list1">
    <a href="example1.com" class="href1" >A1</a>
    <a href="example4.com" class="href2" />
  </div>
  <div class="list2">
   <a href="example2.com" class="href1" >A2</a>
   <a href="example5.com" class="href2" />
  </div>
  <div class="list3">
   <a href="example3.com" class="href1" >A3</a>
   <a href="example6.com" class="href2" />
  </div>
  <div class="list3">
   <a href="example4.com" class="href1" >A4</a>
   <a href="example6.com" class="href2" />
  </div>
  <div class="list3">
   <a href="example5.com" class="href1" >A5</a>
   <a href="example6.com" class="href2" />
  </div><div class="list3">
   <a href="example6.com" class="href1" >A6</a>
   <a href="example6.com" class="href2" />
  </div><div class="list3">
   <a href="example3.com" class="href1" >A7</a>
   <a href="example6.com" class="href2" />
  </div>
</div>

在这里，我们有 7 个链接为 class="href1"。我只想获取 3 个链接（从第 3 个链接到第 5 个链接）。如何获取这些特定链接？

【问题讨论】：

标签： c# asp.net xpath html-agility-pack

【解决方案1】：

这种代码：

    HtmlDocument doc = new HtmlDocument();
    doc.Load(myHtmlFile);
    foreach (HtmlNode node in doc.DocumentNode.SelectNodes(
        "//div[@class='list3' and position() > 2 and position() < 6]/a[@class='href1']"))
    {
        Console.WriteLine("node:" + node.InnerText);
    }

会给你这个结果：

node:A3
node:A4
node:A5

【讨论】：

【解决方案2】：

您的数据似乎已经是格式良好的 XML。如果您正在解析 XHTML 页面，那么您可能会摆脱 .NET Framework 的 System.Xml 类。例如，要将数据加载到XElement，您可以使用：

XElement xElement = XElement.Parse(@"
    <div id=""list"">
        <div class=""list1"">
            <a href=""example1.com"" class=""href1"" >A1</a>
            <a href=""example4.com"" class=""href2"" />
        </div>
        <div class=""list2"">
            <a href=""example2.com"" class=""href1"" >A2</a>
            <a href=""example5.com"" class=""href2"" />
        </div>
        <div class=""list3"">
            <a href=""example3.com"" class=""href1"" >A3</a>
            <a href=""example6.com"" class=""href2"" />
        </div>
        <div class=""list3"">
            <a href=""example4.com"" class=""href1"" >A4</a>
            <a href=""example6.com"" class=""href2"" />
        </div>
        <div class=""list3"">
            <a href=""example5.com"" class=""href1"" >A5</a>
            <a href=""example6.com"" class=""href2"" />
        </div>
        <div class=""list3"">
            <a href=""example6.com"" class=""href1"" >A6</a>
            <a href=""example6.com"" class=""href2"" />
        </div>
        <div class=""list3"">
            <a href=""example3.com"" class=""href1"" >A7</a>
            <a href=""example6.com"" class=""href2"" />
        </div>
    </div>");

然后，要选择class 属性值为href1 的第三到第五个<a> 元素，请使用：

var links = xElement.XPathSelectElements("//a[@class='href1']").Skip(2).Take(3).ToList();

另一方面，如果您有一个 HtmlAgilityPack.HtmlDocument 实例，您可以使用以下命令执行 XPath 查询：

HtmlNodeCollection links = htmlDoc.DocumentNode.SelectNodes("//a[@class='href1']");
var links3to5 = links.Cast<HtmlNode>().Skip(2).Take(3).ToList();

【讨论】：