HtmlAgilityPack - Extrae enlaces de una tabla específica

.net c# html-agility-pack

Pregunta

Tengo algunos problemas para encontrar la manera exacta de analizar los enlaces de un sitio. Usando firebug , la xPath exacta de la tabla es:

/html/body/div/form/table/tbody/tr/td/table/tbody/tr/td/table/tbody/tr[1]/td/table/tbody/tr/td/table/tbody/tr[2]/td/table/tbody/tr[1]/td/div/table/tbody/tr[3]/td/div/table/tbody/tr/td/div/table

También tiene un id = 'ctl00_cp1_GridView1' (que no ha sido de gran ayuda).

Todo lo que quiero hacer es encontrar todos los enlaces en el primero y agregarlos a una lista.

Aquí está mi fragmento de código actual (con un poco de ayuda de esta publicación :

protected void btnSubmitURL_Click(object sender, EventArgs e)
{
    try
    {
        List<string> siteList = new List<string>();
        int counter = 1;

        var web = new HtmlWeb();
        var doc = web.Load(txtURL.Text);
        var table = doc.DocumentNode.SelectSingleNode("html/body/div/form/table/tbody/tr/td/table/tbody/tr/td/table/tbody/tr[1]/td/table/tbody/tr/td/table/tbody/tr[2]/td/table/tbody/tr[1]/td/div/table/tbody/tr[3]/td/div/table/tbody/tr/td/div/table[@id='ctl00_cp1_GridView1']/tbody");
        HtmlNodeCollection rows = table.SelectNodes("./tr");
        if (rows != null)
        {
            for (int i = 0; i < rows.Count; i++)
            {
                HtmlNodeCollection cols = rows[i].SelectNodes("./td[1]");
                if (cols != null)
                {
                    for (int j = 0; j < cols.Count; j++)
                    {
                        HtmlNode aTags = cols[i].SelectSingleNode("./a[@id='NormalColoredFont']");
                        if (aTags != null)
                        {
                            siteList.Add(counter + ". " + aTags.InnerHtml + " - " + aTags.Attributes["href"].Value);
                        }
                    }
                }
            }
        }

        lblOutput.Text = siteList.Count.ToString();
    }

    catch (Exception ex)
    {
        MessageBox.Show(ex.ToString());
    }
}

Sigo recibiendo un error de excepción nula directamente en las filas de HtmlNodeCollection porque no puede encontrar esa tabla específica. He intentado buscar a través de la identificación de la mesa, pero eso tampoco ha ayudado.

Cualquier ayuda para llegar a esa mesa sería apreciada.

Respuesta aceptada

Finalmente pude extraer todos los enlaces utilizando el ejemplo utilizado por Scott Mitchell . Su ejemplo es el siguiente:

var linksOnPage = from lnks in document.DocumentNode.Descendants()
              where lnks.Name == "a" && 
                   lnks.Attributes["href"] != null && 
                   lnks.InnerText.Trim().Length > 0
              select new
              {
                 Url = lnks.Attributes["href"].Value,
                 Text = lnks.InnerText
              };

¡Gracias a jessehouwing y casperOne por responder rápidamente!



Related

Licencia bajo: CC-BY-SA with attribution
No afiliado con Stack Overflow
Licencia bajo: CC-BY-SA with attribution
No afiliado con Stack Overflow