使用LINQ解析HTML

Question

使用LINQ解析HTML

c# html html-agility-pack linq

題

我正在嘗試使用Html Agility Pack和LINQ從HTML表中獲取所有單元格。我已經在HtmlAgilityPack.HtmlDocument中加載了HTML源代碼，並使用LINQ選擇了代碼。但是在使用foreach迭代結果後，它會在第二個記錄中崩潰。

這是HTML源代碼的一個片段：

<tr>
    <td class='city'>New York</td>
    <td>Card 1</td>
</tr>
<tr>
    <td class='city'>London</td>
    <td>Card 2</td>
</tr>
<tr>
    <td class='city'>Tokyo</td>
    <td>Card 3</td>
</tr>
<tr>
    <td class='city'>Berlin</td>
    <td>Card 4</td>
</tr>

這就是我所做的：

htmlDoc.LoadHtml(await msgRecived.Content.ReadAsStringAsync());

var tds=
    from td in htmlDoc.DocumentNode.Descendants("td")
    where td.Attributes["class"].Value == "city"
    select td.InnerText;

foreach (var td in tds)
{
    citiesText = citiesText + " " + td;
}

它只返回第一個元素，例如，如果不使用foreach，我會：

citiesText = tds.ElementAt(0);

它返回紐約，但是如果我嘗試使用ElementAt（1），它會在沒有設置為對象實例的Object引用時崩潰。

有幫助嗎？謝謝

Nezz

熱門答案

只是猜測，但你可能只看第一個元素的td。也許你需要

改為使用htmlDoc.DocumentNode.Descendants（“table”）。

Vilhelm

在 Stack Overflow 上查看更多

Andrew Whitaker · Accepted Answer · 8/14/2014 3:22:50 PM

您需要確保Attributes["class"]不為null ：

var tds =
    from td in doc.DocumentNode.Descendants("td")
    where td.Attributes["class"] != null && td.Attributes["class"].Value == "city"
    select td.InnerText;

檢索到的第二個<td>沒有class屬性，因此在這種情況下訪問Attributes["class"]時，您將獲得null 。在null上調用.Value會導致異常。

或者，您可以使用GetAttributeValue ：

var tds =
    from td in doc.DocumentNode.Descendants("td")
    where td.GetAttributeValue("class", null) == "city"
    select td.InnerText;

使用LINQ解析HTML

題

Fastest Entity Framework Extensions

一般承認的答案

熱門答案

Performance

Expression Evaluator

Related