用 C# 解析 HTML 表中的单个数据元素？

Question

我的 main 函数中有这段代码，我只想解析表的第一行（例如 Nov 7, 2017 73.78 74.00 72.32 72.71 17,245,947）。

我创建了一个仅结束第一行的节点，但是当我开始调试时，节点值为空。如何解析这些数据并将它们存储在例如字符串或单个变量中。有办法吗？

WebClient web = new WebClient();

        string page = web.DownloadString("https://finance.google.com/finance/historical?q=NYSE:C&ei=7O4nV9GdJcHomAG02L_wCw");

        HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
        doc.LoadHtml(page);

        var node = doc.DocumentNode.SelectSingleNode("//*[@id=\"prices\"]/table/tbody/tr[2]");

  List<List<string>> node = doc.DocumentNode.SelectSingleNode("//*[@id=\"prices\"]/table").Descendants("tr").Skip(1).Where(tr => tr.Elements("td").Count() > 1).Select(tr => tr.Elements("td").Select(td=>td.InnerText.Trim()).ToList()).ToList() ;

Answer 1

您的选择 XPath 字符串似乎有错误。由于tbody 是生成的节点，因此不应将其包含在路径中：

//*[@id=\"prices\"]/table/tr[2]

虽然这应该读取值 HtmlAgilityPack 遇到另一个问题malformed html。解析文本中的所有<tr> 和<td> 节点都没有对应的</tr> 或</td> 结束标记，并且HtmlAgitilityPack 无法从具有错误行的表中选择值。因此，有必要在第一步中选择整个表：

//*[@id=\"prices\"]/table

在下一步中，要么通过添加 </tr> 和 </td> 结束标记来清理 HTML，并使用更正的表格重复解析，或者使用提取的字符串手动解析它 - 只需从表格字符串中提取第 10 到 15 行并将它们拆分> 字符。原始解析如下所示。代码已经过测试并且可以运行。

using System;
using System.Collections.Generic;
using System.IO;
using System.Net;

namespace GoogleFinanceDataScraper
{
    class Program
    {
        static void Main(string[] args)
        {
            WebClient web = new WebClient();

            string page = web.DownloadString("https://finance.google.com/finance/historical?q=NYSE:C&ei=7O4nV9GdJcHomAG02L_wCw");

            HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
            doc.LoadHtml(page);

            var node = doc.DocumentNode.SelectSingleNode("//div[@id='prices']/table");

            string outerHtml = node.OuterHtml;
            List<String> data = new List<string>();
            using(StringReader reader = new StringReader(outerHtml))
            {
                for(int i = 0; ; i++)
                {
                    var line = reader.ReadLine();
                    if (i < 9) continue;
                    else if (i < 15)
                    {
                        var dataRawArray = line.Split(new char[] { '>' });
                        var value = dataRawArray[1];
                        data.Add(value);
                    }
                    else break;
                }
            }

            Console.WriteLine($"{data[0]}, {data[1]}, {data[2]}, {data[3]}, {data[4]}, {data[5]}");
        }
    }
}