在HTML文档中解析表并提取TR和TD。使用HTML Agility Pack

html-agility-pack html-parsing vb.net

我已经完成了将表格格式的旧数据转换为新格式的工作。

旧的虚拟数据如下:

<table>
<tr>
<td>Some text 1.</td>
<td>Some text 2.</td>
</tr>
..... //any number of TRs goes here
</table>

问题是新数据需要采用以下格式:

一些文字1. - 一些文字2. ....

这里需要做的总结:

找到表中的所有TR。对于每个TR,找到第一个TD并与第二个TD连接,用“ - ”分隔。

我正在使用HTML Agility Pack和VB.Net。

请帮忙。

感谢致敬。

热门答案

您可以使用Linq和HtmlAgilityPack从表节点获取所有td,获取此节点的所有InnerText并创建新的TR / TD。

// tableNode is the <table> HtmlNode. If you know where is this table you can use XPath to find him.

Dim sb As New StringBuilder()
For Each childNode As HtmlNode In tableNode.DescendantNodes().Where(Function(n) n.Name = "td")
    sb.Append(String.Format("{0} - ", childNode.InnerText))
Next

tableNode.RemoveAllChildren()

Dim newTrNode As HtmlNode = tableNode.OwnerDocument.CreateElement("tr")
Dim newTdNode As HtmlNode = tableNode.OwnerDocument.CreateElement("td")

newTdNode.InnerHtml = sb.ToString()
newTrNode.AppendChild(newTdNode)

tableNode.AppendChild(newTrNode)

我希望它有所帮助



Related

许可下: CC-BY-SA with attribution
不隶属于 Stack Overflow
这个KB合法吗? 是的,了解原因
许可下: CC-BY-SA with attribution
不隶属于 Stack Overflow
这个KB合法吗? 是的,了解原因