HtmlAgilityPack - Estrai i link da una tabella specifica

.net c# html-agility-pack

Domanda

Sto avendo qualche problema a trovare il modo esatto di analizzare i link da un sito. Usando firebug , xPath esatto della tabella è:

/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

Ha anche un id = 'ctl00_cp1_GridView1' (che non è stato esattamente utile).

Tutto quello che voglio fare è trovare tutti i link nel primo e aggiungerli a un elenco.

Ecco il mio frammento di codice corrente (con l'aiuto di questo post :

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());
    }
}

Continuo a ricevere un errore Null Exception proprio alle righe HtmlNodeCollection perché non riesce a trovare quella tabella specifica. Ho provato a cercare tramite l'id della tabella, ma questo non ha aiutato neanche.

Qualunque aiuto per arrivare a quel tavolo sarebbe apprezzato.

Risposta accettata

Sono stato in grado di estrarre finalmente tutti i collegamenti usando l'esempio usato da Scott Mitchell . Il suo esempio è il seguente:

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
              };

Grazie a jessehouwing e casperOne per rispondere rapidamente!



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