Pregunta
Tengo una página de prueba html
<!DOCTYPE html>
<html lang="en" xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta charset="utf-8" />
<title>Page for test</title>
</head>
<body>
<div class="r_tr">
<span class="r_rs">Inner text<span class="otherSpan" style="display: none">text</span></span>
</div>
</body>
</html>
Quiero obtener "texto interno". Estoy usando HtmlAgilityPack. Escribo este metodo
public string GetInnerTextFromSpan(HtmlDocument doc)
{
const string rowXPath = "//*[@class=\"r_tr\"]";
const string spanXPath = "//*[@class=\"r_rs\"]";
string text = null;
HtmlNodeCollection rows = doc.DocumentNode.SelectNodes(rowXPath);
foreach(HtmlNode row in rows)
{
text = row.SelectSingleNode(spanXPath).InnerText;
Console.WriteLine("textL {0}", text);
}
return text;
}
pero este método devuelve "Texto de texto interno". Escribo alguna prueba unitaria para explicar mi problema.
[Test]
public void TestGetInnerTextFromSpan()
{
var client = new PromtTranslatorClient();
var doc = new HtmlDocument();
doc.Load(@"testPage.html");
var text = client.GetInnerTextFromSpan(doc);
StringAssert.AreEqualIgnoringCase("Inner text", text);
}
y resultado
Expected string length 10 but was 14. Strings differ at index 10.
Expected: "Inner text", ignoring case
But was: "Inner texttext"
---------------------^
Respuesta aceptada
No sé XPath pero aquí está la solución usando LINQ:
String inner = (from x in doc.DocumentNode.Descendants()
where x.Name == "span"
&& x.Attributes["class"].Value == "r_rs"
select
(from y in x.ChildNodes
where y.Name == "#text"
select y.InnerText).FirstOrDefault()
).FirstOrDefault();
Respuesta popular
Primero, tu spanXPath es incorrecto. // al inicio significa "empezar desde la raíz", por lo que row.SelectSingleNode(spanXPath) siempre dará el primer elemento con la clase r_rs en el documento, no en la fila. Suelte la // para arreglar esto.
Entonces, text() es la XPath para un nodo de texto. Puedes usar
var span = row.SelectSingleNode(spanXPath);
var textNode = span.SelectSingleNode("text()");
text = textNode.InnerText;
Console.WriteLine("textL {0}", text);
en su bucle foreach para obtener el primer nodo de texto en el intervalo seleccionado.
Licencia bajo: CC-BY-SA with attribution
No afiliado con Stack Overflow