c# - 如何使用 HTML Agility Pack 获取 标签内的所有内容？

Question

所以我正在编写一个应用程序来进行一些屏幕抓取。我正在使用 HTML Agility Pack将整个 HTML 页面加载到名为 doc 的 HtmlDocoument 实例中。现在我想解析那个文档，寻找这个:

<table border="0" cellspacing="3">
<tr><td>First rows stuff</td></tr>
<tr>
<td> 
The data I want is in here <br /> 
and it's seperated by these annoying <br /> 's.

No id's, classes, or even a single <p> tag. </p> Just a bunch of <br />  tags.
</td> 
</tr> 
</table> 

所以我只需要获取第二行内的数据。我怎样才能做到这一点？我应该使用正则表达式还是其他东西？

更新:这是我加载doc

的方式

HtmlWeb hw = new HtmlWeb();
HtmlDocument doc = hw.Load(Url);

Answer 1

由于您使用的是 Html Agility Pack我已经建议使用它提供的方法来查找您想要的信息。有几种导航文档的方法，但最简洁的方法之一是使用 XPath。 .在这种情况下，您可以使用这样的东西:

HtmlDocument doc = new HtmlDocument();
doc.Load("input.html");
HtmlNode node = doc.DocumentNode
                   .SelectNodes("//table[@cellspacing='3']/tr[2]/td")
                   .Single();
string text = node.InnerText;