HtmlAgilityPack从页面中的所有div中提取文本,而不仅仅是从代码中指定的div中提取文本

c# html-agility-pack

我有一个带有HtmlAgilityPack的xpath表达式的奇怪行为。我正在尝试使用HtmlAgilityPack来提取声明为<div class='cont'> <div class='cont'>所有值。但是,当我使用下面的代码时,我只需获取<div class='cont'> AND <div class='button'>所有值<div class='button'> 。有谁知道为什么会这样?以下是重现它的完整代码:

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;
        }
    }
}

代码返回:'content','content1-13'PLUS'content14',它存在于<div class='button'>

热门答案

所以如果我理解正确,你想只找到节点<div class="cont">的子节点的值?

尝试这个:

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

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

我没有办法在我面前调试这个,但这应该有效。 (".//div[@class='cont']")应该只选择指定的节点及其子节点,并忽略指定节点之外的任何节点。其余的只是Linq和HtmlAgilityPack - 请记住,HtmlAgilityPack实现了XPath,所以在使用XPath之前一定要查看AgilityPacks可用的方法...记住xml和html是不同的语言,对一个有用的东西不一定适用于其他。



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