Question
J'ai un document HTML qui contient plusieurs divs
Exemple:
<div class="element">
<div class="title">
<a href="127.0.0.1" title="Test>Test</a>
</div>
</div>
Maintenant, j'utilise ce code pour extraire l'élément title.
List<string> items = new List<string>();
var nodes = Web.DocumentNode.SelectNodes("//*[@title]");
if (nodes != null)
{
foreach (var node in nodes)
{
foreach (var attribute in node.Attributes)
if (attribute.Name == "title")
items.Add(attribute.Value);
}
}
Je ne sais pas comment adapter mon code pour extraire simultanément l'élément href et l'élément title.
Chaque div doit être un objet avec les balises incluses comme propriétés.
public class CheckBoxListItem
{
public string Text { get; set; }
public string Href { get; set; }
}
Réponse acceptée
Vous pouvez utiliser la requête xpath suivante pour extraire uniquement les balises avec un titre et href:
//a[@title and @href]
Vous pouvez utiliser votre code comme ceci:
List<CheckBoxListItem> items = new List<CheckBoxListItem>();
var nodes = Web.DocumentNode.SelectNodes("//a[@title and @href]");
if (nodes != null)
{
foreach (var node in nodes)
{
items.Add(new CheckBoxListItem()
{
Text = node.Attributes["title"].Value,
Href = node.Attributes["href"].Value
});
}
}
Réponse populaire
J'utilise très souvent le paquet ScrapySharp avec HtmlAgilityPack pour la sélection css.
(ajoutez une instruction using pour ScrapySharp.Extensions afin que vous puissiez utiliser la méthode CssSelect).
using HtmlAgilityPack;
using ScrapySharp.Extensions;
Dans votre cas, je ferais:
HtmlWeb w = new HtmlWeb();
var htmlDoc = w.Load("myUrl");
var titles = htmlDoc.DocumentNode.CssSelect(".title");
foreach (var title in titles)
{
string href = string.Empty;
var anchor = title.CssSelect("a").FirstOrDefault();
if (anchor != null)
{
href = anchor.GetAttributeValue("href");
}
}
Sous licence: CC-BY-SA with attribution
Non affilié à Stack Overflow