使用 Html Agility Pack 选择所有以某个文本值开头的段落答案

【问题标题】：Using Html Agility Pack to select all paragraphs that start with a certain text value使用 Html Agility Pack 选择所有以某个文本值开头的段落
【发布时间】：2021-03-24 21:59:55
【问题描述】：

我正在学习使用 Html Agility Pack。

我有一系列看起来像这样的段落元素（为了清楚起见，代码拆分）：

<p class="rvps2">
    <img alt="New Version Icon" 
         style="vertical-align: middle; padding : 1px; margin : 0px 5px;"
         src="lib/IMG_NewVersion.png">
    <span class="rvts16">Version 21.1.0 - 2021 Edition</span>
    <span class="rvts15"> (22nd March 2021)</span>
</p>

我只对以文本“版本”开头的段落感兴趣。目前我正在这样做：

// Select all Paragraph elements
var nodesParagraph = nodeRevHist.SelectNodes("p");

int iRevisionCount = 0;
foreach (HtmlNode itemParagraph in nodesParagraph)
{
    string text = itemParagraph.InnerText;
    if (text.Length > 7 && text.Substring(0, 7) == "Version")
    {
        iRevisionCount++;

nodesParagraph 是否可以过滤到所有内部文本以“版本”开头的段落？

如果可能的话，这将使我的代码更简洁。附带问题，我也只对这些段落元素中的前 5 个元素感兴趣。

这种过滤可能吗？

【问题讨论】：

您真的需要自己检查长度和子字符串吗？ text.StartsWith("Version ") 不会每次都分配一个新的字符串，如果text 太短就会返回 false。
@madreflection 太棒了。我更熟悉 C++，并没有注意到列表中的那个方法。谢谢。
还有Contains方法，text.Contains("Version")
如果 rvts16 类对于这些段落是唯一的，那么您应该首先查看是否可以对其进行过滤。
@madreflection 我不想依赖类名，因为它们是在我构建帮助文件时由 HelpNDoc 提供的。所以这些类名可能会改变。我已经在文件中隔离了正确的div 元素，并且我的历史内容遵循严格的模式。所以我认为我使用这种方法是安全的。

标签： c# html-agility-pack

【解决方案1】：

您可以获得内部文本以“版本”开头的前 5 个段落，如下所示：

var nodesParagraph = nodeRevHist
    .Elements("p")
    .Where(p => p.InnerText.Trim().StartsWith("Version"))
    .Take(5);

这里的工作演示：https://dotnetfiddle.net/uvwcUN

【讨论】：

谢谢。我说得对吗，即使是空的，也可以保证创建一个变量？还是将其包装在 try / catch 块中仍然明智？
我对此做了一些实验。如果nodeRevHist 中没有p 元素，则SelectNodes 返回null，这使得Where 子句崩溃。但是，如果您切换到使用Elements 方法而不是SelectNodes，那么它可以工作，假设nodeRevHist 本身不为空。所以你肯定需要一个空检查来防止这种情况。如果您不确定输入，try/catch 将是最安全的。