C# HtmlAgilityPack - 抓取

Question

我想使用 HtmlAgilityPack 从 GSMArena.com 抓取内容，具体来说，我想抓取手机的技术规格。

期望的结果：

http://www.gsmarena.com/nokia_lumia_520-5322.php 我想刮下重量、尺寸等

问题： 几乎所有模型的节点路径都不同。

我的问题：

我将如何通过搜索进行抓取？例如，如果我想刮产品重量，有没有办法告诉HTMLAgilityPack搜索一个标签，然后去它后面的TD，然后刮那个TD的内部文本？

Answer 1

XPath 是你的朋友。 Learn it here.（如果链接失效，只需谷歌 XPath 1.0 教程）

对于该文档：

   string weight= doc.DocumentNode.SelectSingleNode(@"//td[a[contains(text(),'Weight')]]/following-sibling::td").InnerText;

会给你重量。

XPath 说明：对于所有节点 (//)，选择包含“a”元素的“td”元素，该元素包含文本“Weight”，然后选择以下“td”节点。