HtmlAgilityPack estrae il testo da tutte le div in una pagina e non solo dalla div specificata nel codice

c# html-agility-pack

Domanda

Sto avendo uno strano comportamento con un'espressione xpath con HtmlAgilityPack. Sto cercando di usare HtmlAgilityPack per estrarre tutti i valori all'interno di un div dichiarato come <div class='cont'> Tuttavia, quando uso il codice qui sotto ho semplicemente ottenuto tutti i valori all'interno di <div class='cont'> AND <div class='button'> . Qualcuno sa perché questo sta accadendo? Ecco il codice completo per riprodurlo:

using System;
using System.Xml.XPath;
using HtmlAgilityPack;

namespace ConsoleApplication1
{
    class Program
    {
        static void Main(string[] args)
        {
            const string text1 = @"<div class=""cont"">
<h3>content</h3> 
<div style=""margin: 0cm 0cm 0pt"" class=""Normal"">content1</div><div style=""margin: 0cm 0cm 0pt"" class=""Normal""> content2</div>
<div style=""margin: 0cm 0cm 0pt"" class=""Normal"">content3 </div>
<div>content4 </div><strong>content5
<div>content6 </div><ul type=""disc"">    
<div>content7 </div>        
<div>content8 </div>    </ul>
<p class='margin10'><font size=""2"">
<div>
<p><span style=""font-family: Arial"">content9</span></p>
</div>
<div>content10</font><a href=""mailto:james@polis.com""><u><font color=""#0000ff"" size=""2""><font color=""#0000ff"" size=""2""> content11 </u></font></font></a><font size=""2""> content12
<div>content13</div>
</div>
</font>
</p>
</div>
<div class=""button"">
<span class=""applybtn""><a class=""buttonGlobal buttonAlpha"" href=""/uk/job/apply/(id)/608735"">content14</a></span>
</div>";
            foreach (XPathNavigator node in SearchInPage(text1, "//div[@class='cont']"))
            {
                Console.WriteLine("option " + node.Value);
            }

        }

        private static XPathNodeIterator SearchInPage(string text, string xpath)
        {
            HtmlDocument htmlDocument = new HtmlDocument();
            htmlDocument.LoadHtml(text);
            XPathNavigator xpathNavigator = htmlDocument.CreateNavigator();
            XPathNodeIterator nodes = xpathNavigator.Select(xpath);
            return nodes;
        }
    }
}

Il codice restituisce: "content", "content1-13" PLUS "content14" che esiste all'interno di <div class='button'>

Risposta popolare

Quindi, se sto capendo correttamente, vuoi trovare il valore solo per i nodi figli del nodo <div class="cont"> ?

Prova questo:

HtmlDocument doc = new HtmlDocument;
doc.Load(Html);
HtmlNode node = doc.DocumentNode.SelectSingleNode(".//div[@class='cont']");

foreach(HtmlNode childNode in node)
{
    Console.WriteLine(childNode.Value);
}

Non ho un modo per eseguire il debug di questo di fronte a me, ma questo dovrebbe funzionare. il (".//div[@class='cont']") dovrebbe selezionare solo il nodo specificato ed è figlio, e ignorare tutto ciò che vive al di fuori del nodo specificato. Il resto è solo Linq e HtmlAgilityPack - Ricorda, HtmlAgilityPack implementa XPath, quindi assicurati di esaminare i metodi disponibili di AgilityPacks prima di usare XPath ... ricorda che xml e html sono lingue diverse, e ciò che funziona per uno non funzionerà necessariamente per il altro.




Autorizzato sotto: CC-BY-SA with attribution
Non affiliato con Stack Overflow
È legale questo KB? Sì, impara il perché
Autorizzato sotto: CC-BY-SA with attribution
Non affiliato con Stack Overflow
È legale questo KB? Sì, impara il perché