如何使用 htmlagilitypack 提取 div 标签内的文本答案

【问题标题】：How to extract text inside a div tag using htmlagilitypack如何使用 htmlagilitypack 提取 div 标签内的文本
【发布时间】：2015-05-04 14:50:27
【问题描述】：

我想在 div 类之间提取文本“Some text goes here”。我正在使用 html 敏捷包和 c#

<div class="productDescriptionWrapper">
Some Text Goes here...
<div class="emptyClear"> </div>
</div>

这就是我所拥有的：

Description = doc.DocumentNode.SelectNodes("//div[@class=\"productDescriptionWrapper\").Descendants("div").Select(x => x.InnerText).ToList();

我收到此错误：

An unhandled exception of type 'System.NullReferenceException'

如果文本是 b/w <h1> 或 <p> 而不是后代中的“div”，我知道如何提取，我将不得不给出“h1”或“p”。

请有人帮忙。

【问题讨论】：

[@class=\"productDescriptionWrapper\" 的右括号在哪里？
可能是我在这里输入时错过了它...它不起作用..

标签： c# html winforms html-agility-pack

【解决方案1】：

使用单引号，如

//div[@class='productDescriptionWrapper']

要获取所有类型的所有后代，请使用：

//div[@class='productDescriptionWrapper']//*,

获取特定类型的所有后代比如p，然后使用//div[@class='productDescriptionWrapper']//p。

获取div 或p 的所有后代：

//div[@class='productDescriptionWrapper']//*[self::div or self::p]

假设您想获取所有非空白后代文本节点，然后使用：

//div[@class='productDescriptionWrapper']//text()[normalize-space()]

【讨论】：

【解决方案2】：

鉴于doc 是从您发布的HTML sn-p 创建的，您无法获得空引用异常。无论如何，如果您打算在外部 <div> 中获取文本，而不是从内部获取文本，那么请使用 xpath /text()，这意味着 获取直接子文本节点。

例如，给定这个 HTML sn-p :

var html = @"<div class=""productDescriptionWrapper"">
Some Text Goes here...
<div class=""emptyClear"">Don't get this one</div>
</div>";
var doc = new HtmlDocument();
doc.LoadHtml(html);

..此表达式仅从外部 <div> 返回文本：

var Description = doc.DocumentNode
                     .SelectNodes("//div[@class='productDescriptionWrapper']/text()")
                     .Select(x => x.InnerText.Trim())
                     .First();
//Description : 
//"Some Text Goes here..."

..而相比之下，以下返回所有文本：

var Description = doc.DocumentNode
                     .SelectNodes("//div[@class='productDescriptionWrapper']")
                     .Select(x => x.InnerText.Trim())
                     .First();
//Description :
//"Some Text Goes here...
//Don't get this one"

【讨论】：