Analizar tablas en documentos HTML y extraer TR y TD. con HTML Agility Pack
html-agility-pack html-parsing vb.net
Pregunta
He asignado un trabajo para convertir datos antiguos en formato de tabla a formato nuevo.
Los datos ficticios antiguos son los siguientes:
<table>
<tr>
<td>Some text 1.</td>
<td>Some text 2.</td>
</tr>
..... //any number of TRs goes here
</table>
El problema es que los nuevos datos deben estar en este formato:
Un poco de texto 1. - Un poco de texto 2. ....
Resumen de lo que hay que hacer aquí:
Encuentra todos los TRs en la tabla. para cada TR, encuentre el primer TD y concatene con el segundo TD separado por "-".
Estoy usando HTML Agility Pack con VB.Net.
Por favor ayuda.
Gracias y saludos.
Respuesta popular
Puede usar Linq y HtmlAgilityPack para obtener todos los td's del nodo de la tabla, obtener todo el texto interno de estos nodos y crear un nuevo 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)
Espero que ayude
Licencia bajo: CC-BY-SA with attribution
No afiliado con Stack Overflow