HtmlAgilityPack 解析属性答案

【问题标题】：HtmlAgilityPack parse attributesHtmlAgilityPack 解析属性
【发布时间】：2015-07-12 13:11:00
【问题描述】：

我正在尝试解析 HTML，但我不知道如何使用条件（例如，类名必须是 X）。我知道有很多关于敏捷包的主题，但我找不到任何有用的主题。

<div class="main-class">
<a href="LINK">
<img src="IMAGELINK" alt="SOMETEXT" class="image-class">
</a>
</div>

<p> bla bla </p>

<div class="main-class">
<a href="LINK">
<img src="IMAGELINK" alt="SOMETEXT" class="image-class">
</a>
</div>

<div class="main-class">
<a href="LINK">
<img src="IMAGELINK" alt="SOMETEXT" class="image-class">
</a>
<p> asd sadh awww </p>
</div>

我想为每个类名为“main-class”的 div 获取 href、src 和 alt，这是我的代码，但它只打印“p”，因为这是我唯一知道该怎么做的事情。

      HtmlDocument doc = new HtmlDocument();
        doc.LoadHtml(dataString);
         foreach (HtmlNode nodeItem in doc.DocumentNode.Descendants("p").ToArray())
          {
              Debug.WriteLine(nodeItem.InnerText);
          }

我正在开发不支持“SelectNodes”的 WP 应用

【问题讨论】：

标签： c# html-agility-pack

【解决方案1】：

通过使用传统的 Non-XPath 方式。

注意：检查可空值被省略。

string dataString = "<div class=\"main-class\"><a href=\"LINK\"><img src=\"IMAGELINK\" alt=\"SOMETEXT\" class=\"image-class\"></a></div><p> bla bla </p><div class=\"main-class\"><a href=\"LINK\"><img src=\"IMAGELINK\" alt=\"SOMETEXT\" class=\"image-class\"></a></div><div class=\"main-class\"><a href=\"LINK\"><img src=\"IMAGELINK\" alt=\"SOMETEXT\" class=\"image-class\"></a><p> asd sadh awww </p></div>";

var doc = new HtmlDocument();
doc.LoadHtml(dataString);

var elements = doc.DocumentNode.Descendants("div").Where(o => o.GetAttributeValue("class", "") == "main-class");
foreach (var nodeItem in elements)
{
    var aTag = nodeItem.Descendants("a").First();
    var aTagHrefValue = aTag.Attributes["href"];

    var imgTag = nodeItem.Descendants("img").First();
    var imgTagSrcValue = imgTag.Attributes["src"];
    var imgTagAltValue = imgTag.Attributes["alt"];

    Console.WriteLine("a href value: {0}", aTagHrefValue.Value);
    Console.WriteLine("img src value: {0}", imgTagSrcValue.Value);
    Console.WriteLine("img alt value: {0}", imgTagAltValue.Value);
    Console.WriteLine();
}

【讨论】：

【解决方案2】：

@Orel Eraki - 谢谢。我在 3 分钟前自己做了，但我会使用你的解决方案，因为它只有一个 foreach 循环。无论如何，这是我的解决方案

     foreach (HtmlNode nodeItem in doc.DocumentNode.Descendants("div").Where(p => p.GetAttributeValue("class", "def").Equals("main-class")))
         {
             foreach (HtmlNode nodeAItem in nodeItem.Descendants("a"))
             {
                Debug.WriteLine(nodeAItem.GetAttributeValue("href", "def"));
                foreach (HtmlNode nodeIMAGEitem in nodeAItem.Descendants("img"))
                 {
                     Debug.WriteLine(nodeIMAGEitem.GetAttributeValue("src", "def"));
                     Debug.WriteLine(nodeIMAGEitem.GetAttributeValue("alt", "def"));
                 }                    
             }
          }

【讨论】：

【解决方案3】：

您可以为此使用 LINQ

var attrs = doc.DocumentNode
               .Descendants("div")
               .Where(d => d.Attributes != null &&
                           d.Attributes.Contains("class") &&
                           d.Attributes["class"].Value.Contains("main-class"))
               .Select(d => new
               {
                   anchor = d.SelectSingleNode("a"),
                   img = d.SelectSingleNode("a") != null 
                                                 ? d.SelectSingleNode("a").SelectSingleNode("img") 
                                                 : null 
               })
               .Select(d => new
               {
                   href = d.anchor != null 
                                   ? d.anchor.GetAttributeValue("href", string.Empty) 
                                   : string.Empty,
                   imgsrc = d.img != null 
                                  ? d.img.GetAttributeValue("src", string.Empty) 
                                  : string.Empty,
                   imgalt = d.img != null 
                                  ? d.img.GetAttributeValue("alt", string.Empty) 
                                  : string.Empty
               })
               .ToList();

【讨论】：