使用 Anglesharp 从 html 字符串中获取列表 <li> 标签的集合

Question

我正在尝试从维基百科页面（“https://en.wikipedia.org/wiki/Category:The_Kinks_songs”）获取歌曲名称列表

这是我目前正在尝试的代码

//Get page source and parse it
string pageSource = PageSource.Get(url);// own method
HtmlParser parser = new HtmlParser();
var doc = parser.Parse(pageSource);

//Get div tag with class="mw-category"
var div_mw_content_ltr = doc.All.Where(tag => tag.LocalName == "div" && tag.GetAttribute("class") == "mw-category");
//Get all li tags
var li = div_mw_content_ltr.All(tag => tag.LocalName == "li");

List<string> LS = new List<string>();
foreach (var item in div_mw_content_ltr)
    {
        string tmp = item.TextContent;
        LS.Add(tmp);
    }

return LS;

我对这些东西真的很陌生。 var li 是假的，我希望它是 div_mw_content_ltr 中列表项标签的集合。

我尝试创建一个新的解析器并解析 div_mw_content_ltr 的 innerhtml，但该成员不存在。

我已经搜索了 stackoverflow 及更高版本上的所有 Anglesharp 标签，但找不到解决方案。 我觉得在你甚至可以理解如何使用anglesharp之前，需要一些解析html和查询选择器等的基础知识，所以作为一个方面，我也很感激任何资源链接，我可以更好地了解如何实际使用anglesharp库。

感谢您抽出宝贵时间阅读。

Answer 1

问题

您的div_mw_content_ltr 是IEnumerable<IElement>，因为这是Where 返回的内容。因此，在其上使用 All 是一种不同的方法，如果所有元素都满足您的条件，它只会返回 true 或 false。它返回 false，因为列表中唯一的元素是 div，它不会递归返回所有符合您条件的元素。

---

让它与 LINQ 一起工作

将Where更改为First，因为您只期待一个，这也允许使用Descendents：

var div_mw_content_ltr = doc.All.First(tag => tag.LocalName == "div" && tag.GetAttribute("class") == "mw-category");

使用Descendents 代替All，它返回div 的所有后代，然后使用Where 进行过滤：

var li = div_mw_content_ltr.Descendents().Where(tag => tag.NodeName.ToLower() == "li");

---

查询选择器

AngleSharp 是基于 DOM 的，所以我会使用查询选择器 QuerySelector（第一个匹配）或 QuerySelectorAll（所有匹配）。

与上面的 LINQ 等效的是：

var li = doc.QuerySelectorAll("div.mw-category li");

div.mv-category li 表示获取所有 divs 的 css 类 mw-category，然后所有 lis 在其中。

查询选择器的语法基本上是CSS Selector syntax，所以它不是 AngleSharp 特有的。如果你曾经做过 CSS，那么这应该很熟悉。

如果您还没有，请阅读 wiki 了解 AngleSharp。