从 HTML 解析属性值答案

【问题标题】：Parse attribute value from HTML从 HTML 解析属性值
【发布时间】：2014-09-18 16:26:44
【问题描述】：

我想从网页获取数据：

<embed type="application/x-vlc-plugin" 
    name="vlc" ratio="16:9" 
    autoplay="yes" loop="no" 
    rtsp-caching="3000" volume="100" 
    width="670" height="380" 
    target="http://185.2.42.106/stream/?d=1402956552&token=5119675517383">

我想获取目标属性值。我搜索了整个互联网，没有找到任何我理解的东西。有人能告诉我诀窍并解释一下吗？

好的，所以我可以使用以下代码：

        var webGet = new HtmlWeb();
        var doc = webGet.Load("http://www.spusti.net/play-vlc-185");
        HtmlNode node = doc.DocumentNode.SelectNodes("//embed")[0];
        var val = node.Attributes["target"].Value; //10743
        MessageBox.Show(val);

不要问我是怎么做的，但我做到了。感谢您花时间复制粘贴！

【问题讨论】：

你看Html Agility Pack了吗？这应该符合您的需求。
于是我搜索了一下，发现Html Agility Pack不支持属性选择-htmlagilitypack.codeplex.com/discussions/1720这是真的吗？
如果您尝试解析数据，请查看XPath。您可以将XPath 与Html Agility Pack 结合使用，以获得所需的一切。或许看了XPath的相关内容，你就会明白DrCopyPaste的回答了。
很高兴它为您工作；我只想指出一件事：您现在正在使用SelectNodes("//embed")-method，它基本上会在root 下为您提供所有embed-nodes，然后您只需通过附加[0] 来选择第一个，只要该目标页面的结构改变了该策略可能不再起作用（即，如果在该页面上已经存在的那个之前插入了一个额外的embed-node，那么该策略将不再起作用）。不管怎样，你的工作代码很有趣；）
感谢您的提示。页面不应该改变，它现在可以工作，但将来知道这一点是件好事。再次感谢您的宝贵时间，祝您有美好的一天。 :)

标签： c# html parsing

【解决方案1】：

the link you commented on 中讨论的事情是您在这个库中的节点上工作，而不是直接在属性上工作。（您使用XPATH 指向您要在该库中选择的内容，虽然XPATH 本身支持选择属性，但HTML Agility Pack 不支持，它只支持选择节点）

也就是说，属性是节点的一部分，这对你来说应该没问题！您可以从Html Agility Pack 中选择的节点轻松获取属性值。

既然您在评论中要求进一步澄清，我希望我至少可以解决您的一些问题：

第一个 Html Agility Pack 适用于节点，这就是 html-tag（如 <embed>）被转换成的内容。

你要获取的值是那个节点上的一个属性，所以你需要先选择那个节点。

为了能够选择您需要识别的节点，最简单的方法（如果您可以控制 html 源代码）就是为其分配一个 id （如 <embed id='someId' someAttribute='someValue' />）。

现在你差不多完成了，现在你只需要 xpath 表达式告诉解析器在哪里寻找你的节点，如果你不能为那个节点分配一个 id 你将不得不尝试通过文档结构找到它（例如：body 内部的 div-node 内的 embed-node，但是您可以获得一组节点，而不仅仅是一个，那么您将需要使用 SelectNodes() 并遍历它们并决定每次迭代，如果你选对了）

TLDR;

以下是设置一个简单 html 的示例，其中两个节点具有相同的标签类型，具有不同的 id，代码仅选择其中一个节点并输出 someAttribute 的属性值（请注意在您的生产代码中您应该在使用它之前检查该属性是否存在；））：

// to run this start a new console project in visual studio
// and paste this code into main method of program.cs
// open nuget package console and type "Install-Package HtmlAgilityPack"
// and hit enter
// add a "using HtmlAgilityPack;"
HtmlDocument doc = new HtmlDocument();
string someStupidHtml = @"
<html>
    <head>
        <title>jusATest</title>
    </head>
    <body>
        <embed id='someId' someAttribute='someValue' />
        <embed id='anotherId' someAttribute='anotherValue' />
    </body>
</html>";

byte[] byteArray = Encoding.UTF8.GetBytes(someStupidHtml);
MemoryStream stream = new MemoryStream(byteArray);
doc.Load(stream);
HtmlNode node = doc.DocumentNode.SelectSingleNode("//embed[@id='anotherId']");

Console.WriteLine("its a node already with someAttribute={0}", node.Attributes["someAttribute"].Value);

Console.Read();

【讨论】：

感谢您抽出宝贵时间，但我对您所写的内容几乎一无所知。我对解析，这个库和周围的东西真的很陌生。如果你有时间，你能解释一下吗？我尝试将其复制并粘贴到一个新项目中，即使这样我也遇到了错误。
@user3890664 我试图改进我的帖子，但现在它看起来像一堵可怕的文字墙，但我希望我能消除你的一些顾虑。
所以在多次阅读你的答案之后，我仍然没有理解一些东西，所以我搜索和搜索，最后我得到了它与我“编辑”到答案的代码一起工作。不要问我是怎么做到的，但我做到了。 :D 感谢您的时间 CopyPaste！