HtmlAgilityPack 并选择节点和子节点

Question

希望有人可以帮助我。

假设我有一个包含多个 divs 的 html 文档，如下例所示：

<div class="search_hit">
    <span prop="name">Richard Winchester</span>
    <span prop="company">Kodak</span>
    <span prop="street">Arlington Road 1</span>
</div>
<div class="search_hit">
    <span prop="name">Ted Mosby</span>
    <span prop="company">HP</span>
    <span prop="street">Arlington Road 2</span>
</div>

我正在使用HtmlAgilityPack 获取html 文档。我需要知道的是如何获得每个search_hit-div 的跨度？

我的第一个想法是这样的：

foreach (HtmlAgilityPack.HtmlNode node in
    doc.DocumentNode.SelectNodes("//div[@class='search_hit']"))
{
     foreach (HtmlAgilityPack.HtmlNode node2 in node.SelectNodes("//span[@prop]"))
     {
     }
}

每个div 都应该是一个对象，其中包含跨度作为属性：

public class Record
{
    public string Name { get; set; }
    public string company { get; set; }
    public string street { get; set; }
}

然后将填写此列表：

public List<Record> Results = new List<Record>();

但是我使用的XPATH 并没有像它应该做的那样在子节点中进行搜索。它似乎一次又一次地搜索整个文档。

我的意思是我已经以这种方式工作了，我只是获得了整个页面的跨度，但是我在 spans 和 divs 之间没有任何关系。意思是，我不再知道哪个span 与哪个div 相关。

有人知道解决方案吗？我已经玩了那么多，现在我完全糊涂了。 :)

感谢任何帮助！

Answer 1

如果你使用//，它会从文档开始搜索。

使用.//从当前节点开始搜索所有

 foreach (HtmlAgilityPack.HtmlNode node2 in node.SelectNodes(".//span[@prop]"))

或完全删除前缀以仅搜索直接子代：

 foreach (HtmlAgilityPack.HtmlNode node2 in node.SelectNodes("span[@prop]"))

Answer 2

以下内容对我有用。正如 BeniBela 指出的那样，重要的一点是在第二次调用“SelectNodes”时添加一个点。

List<Record> lstRecords=new List<Record>();
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//div[@class='search_hit']"))
{
  Record record=new Record();
  foreach (HtmlNode node2 in node.SelectNodes(".//span[@prop]"))
  {
    string attributeValue = node2.GetAttributeValue("prop", "");
    if (attributeValue == "name")
    {
      record.Name = node2.InnerText;
    }
    else if (attributeValue == "company")
    {
      record.company = node2.InnerText;
    }
    else if (attributeValue == "street")
    {
      record.street = node2.InnerText;
    }
  }
  lstRecords.Add(record);
}

Answer 3

首先，看看这个：Html Agility Pack - Problem selecting subnode

这是您问题的完整解决方案：

IList<Record> results = new List<Record>();
foreach (var node in doc.DocumentNode.SelectNodes("//div[@class='search_hit']")) {
    var record = new Record();
    record.Name = node.SelectSingleNode(".//span[@prop='name']").InnerText;
    record.company = node.SelectSingleNode(".//span[@prop='company']").InnerText;
    record.street = node.SelectSingleNode(".//span[@prop='street']").InnerText;
    results.Add(record);
}

如果您阅读了我指出的问题，您会发现执行 ./span[@prop='name'] 完全相同，因为那些 span 节点是 div 节点的（直接）子节点。

---

如果span 节点没有那些prop 属性，并且您想根据它们出现的顺序来分配它们，您可以这样做：

foreach (var node in doc.DocumentNode.SelectNodes("//div[@class='search_hit']")) {
    var spanNodes = node.SelectNodes("./span");
    var record = new Record();
    record.Name = spanNodes[0].InnerText;
    record.company = spanNodes[1].InnerText;
    record.street = spanNodes[2].InnerText;
    results.Add(record);
}

Answer 4

真丢脸:)

你们都是对的。

我发现了问题。这个 NullReferenceException 一直困扰着我，所以我花了更多时间详细查看它。 在所有这些 div 之间，有一个 div 具有相同的“class='search-hit'”属性，但内部没有跨度。这就是为什么它会在第二个循环中出现错误。

foreach (HtmlAgilityPack.HtmlNode node in doc.DocumentNode.SelectNodes("//span[@prop]/ancestor::div[@class='search_hit']"))
   {
        Record rec = new Record();
        foreach (HtmlAgilityPack.HtmlNode node2 in node.SelectNodes(".//span[@prop]"))
           {
           }
           rList.Results.Add(rec);
   }

上面的代码正在运行。

感谢你们的时间和帮助！

Answer 5

我用过。类转换id

  HtmlNodeCollection nodes = dokuman.DocumentNode.SelectNodes("//div[@id='search_hit']//span[@prop]");


            for (int i = 0; i < nodes .Count; i++)
        {
            var record = new Record();


                record.Name = links[i].InnerText;   results.Add(record);  }