解析 HTML 文档中的表格并提取 TR 和 TD。带有 HTML 敏捷包

【问题标题】：Parse Tables in HTML docs and extract TRs and TDs. with HTML Agility Pack解析 HTML 文档中的表格并提取 TR 和 TD。带有 HTML 敏捷包
【发布时间】：2012-04-18 17:31:49
【问题描述】：

我的工作是将表格格式的旧数据转换为新格式。

旧的虚拟数据如下：

<table>
<tr>
<td>Some text 1.</td>
<td>Some text 2.</td>
</tr>
..... //any number of TRs goes here
</table>

问题是新数据需要采用这种格式：

一些文字 1. - 一些文字 2。 ....

这里需要做的总结：

查找表中的所有 TR。对于每个 TR 找到第一个 TD 并与用“ - ”分隔的第二个 TD 连接。

我在 VB.Net 中使用 HTML Agility Pack。

请帮忙。

感谢和问候。

【问题讨论】：

标签： vb.net html-parsing html-agility-pack

【解决方案1】：

你可以使用Linq和HtmlAgilityPack从table节点获取所有td，获取这个节点的所有InnerText并创建一个新的TR/TD。

// tableNode is the <table> HtmlNode. If you know where is this table you can use XPath to find him.

Dim sb As New StringBuilder()
For Each childNode As HtmlNode In tableNode.DescendantNodes().Where(Function(n) n.Name = "td")
    sb.Append(String.Format("{0} - ", childNode.InnerText))
Next

tableNode.RemoveAllChildren()

Dim newTrNode As HtmlNode = tableNode.OwnerDocument.CreateElement("tr")
Dim newTdNode As HtmlNode = tableNode.OwnerDocument.CreateElement("td")

newTdNode.InnerHtml = sb.ToString()
newTrNode.AppendChild(newTdNode)

tableNode.AppendChild(newTrNode)

希望对你有帮助

【讨论】：