HtmlAgilityPack從頁面中的所有div中提取文本,而不僅僅是從代碼中指定的div中提取文本

c# html-agility-pack

我有一個帶有HtmlAgilityPack的xpath表達式的奇怪行為。我正在嘗試使用HtmlAgilityPack來提取聲明為<div class='cont'> <div class='cont'>所有值。但是,當我使用下面的代碼時,我只需獲取<div class='cont'> AND <div class='button'>所有值<div class='button'> 。有誰知道為什麼會這樣?以下是重現它的完整代碼:

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;
        }
    }
}

代碼返回:'content','content1-13'PLUS'content14',它存在於<div class='button'>

熱門答案

所以如果我理解正確,你想只找到節點<div class="cont">的子節點的值?

嘗試這個:

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

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

我沒有辦法在我面前調試這個,但這應該有效。 (".//div[@class='cont']")應該只選擇指定的節點及其子節點,並忽略指定節點之外的任何節點。其餘的只是Linq和HtmlAgilityPack - 請記住,HtmlAgilityPack實現了XPath,所以在使用XPath之前一定要查看AgilityPacks可用的方法...記住xml和html是不同的語言,對一個有用的東西不一定適用於其他。




許可下: CC-BY-SA with attribution
不隸屬於 Stack Overflow
這個KB合法嗎? 是的,了解原因
許可下: CC-BY-SA with attribution
不隸屬於 Stack Overflow
這個KB合法嗎? 是的,了解原因