循环通过非封闭标签？

Question

您好，提前致谢。

我正在尝试在 VB.NET 中使用 HTMLAgilityPack 来循环遍历表中的 <td> 标记集合。它们包含在<tr> 标签内（自然）。

我创建了下面的循环以根据需要访问 TR 和 TD：

For Each tr In table.SelectNodes(".//tr")
    For Each td In tr.SelectNodes("td")
        '(Handle td's here)
    Next
Next

问题是网站的 HTML 在其模板中的一个特定 TD 上缺少结束标记。这会导致在每个循环中拾取一个 3 个 TD，因为它将第 3 个 TD 视为包含所有其他 TD 的无限标签。例如：

<tr>
    <td>Div 1 info</td>
    <td>Div 2 info</td>
    <td>Div 3 info
    <td>Div 4 info</td>
    <td>Div 5 info</td>
</tr>

我的问题是如何解决这个问题以循环遍历 TD 的完整集合？我尝试检查 TR.Count 是否为 3，然后更新 tr(2).InnerHTML 在适当的位置插入标签。它只是不更新​​。

如果您能提供任何帮助，我将不胜感激！谢谢！

Answer 1

设置HtmlDocument.OptionFixNestedTags属性：

Dim html = New HtmlDocument
html.OptionFixNestedTags = True
html.LoadHtml(File.ReadAllText(htmlFile))
Dim table As HtmlNode = html.DocumentNode
For Each tr In table.SelectNodes(".//tr")
    For Each td In tr.SelectNodes("td")
        Console.WriteLine(td.InnerText.Trim())
    Next
Next