HtmlAgilityPack多元素

c# html-agility-pack regex

我有一個包含多個div的html文檔

例:

<div class="element">
    <div class="title">
        <a href="127.0.0.1" title="Test>Test</a>
    </div>
</div>

現在我正在使用此代碼來提取title元素。

List<string> items = new List<string>();
var nodes = Web.DocumentNode.SelectNodes("//*[@title]");
if (nodes != null)
{
   foreach (var node in nodes)
   {
       foreach (var attribute in node.Attributes)
           if (attribute.Name == "title")
               items.Add(attribute.Value);
   }
}

我不知道如何調整我的代碼同時提取href和title元素。

每個div應該是一個包含標籤作為屬性的對象。

public class CheckBoxListItem
{
    public string Text { get; set; }
    public string Href { get; set; }
}

一般承認的答案

您可以使用以下xpath查詢僅檢索帶有title和href的標記:

//a[@title and @href]

您可以像這樣使用您的代碼:

List<CheckBoxListItem> items = new List<CheckBoxListItem>();
var nodes = Web.DocumentNode.SelectNodes("//a[@title and @href]");
if (nodes != null)
{
   foreach (var node in nodes)
   {
      items.Add(new CheckBoxListItem()
      {
        Text = node.Attributes["title"].Value,
        Href = node.Attributes["href"].Value
      });
   }
}

熱門答案

我經常將ScrapySharp的包與HtmlAgilityPack一起用於css選擇。

(為ScrapySharp.Extensions添加using語句,以便您可以使用CssSelect方法)。

using HtmlAgilityPack;
using ScrapySharp.Extensions;

在你的情況下,我會這樣做:

HtmlWeb w = new HtmlWeb();

var htmlDoc = w.Load("myUrl");
var titles = htmlDoc.DocumentNode.CssSelect(".title");
foreach (var title in titles)
{
    string href = string.Empty;
    var anchor = title.CssSelect("a").FirstOrDefault();

    if (anchor != null)
    {
        href = anchor.GetAttributeValue("href");
    }
}


Related

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