c# - 从html获取特定数据

Question

我想从 html 中获取特定数据。我正在使用 C# 和 HtmlAgilityPack

这是 HTML 示例:

<p class="heading"><span>Greeting!</span>

<p class='verse'>Hi!<br>               //
Hello!</p><p class='verse'>Hello!<br>  // i want to get this g
Hi!</p>                                //

<p class="writers"><strong>WE</strong><br/>

这里是我的 C# 代码:

StringBuilder pureText = new StringBuilder();
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(Lyrics);

var s = doc.DocumentNode.Descendants("p");

try
{
     foreach (HtmlNode childNode in s)
     {
                        pureText.Append(childNode.InnerText);
     }
}
catch
{ }

更新:

StringBuilder pureText = new StringBuilder();
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(URL);

var s = doc.DocumentNode.SelectNodes("//p[@class='verse']"); // error

try
{
     foreach (HtmlNode childNode in s)
     {
            pureText.Append(childNode.InnerText);
     }
}
catch
{ }

错误:

“HtmlAgilityPack.HtmlNode”不包含“SelectNodes”的定义，并且找不到接受“HtmlAgilityPack.HtmlNode”类型的第一个参数的扩展方法“SelectNodes”(您是否缺少 using 指令或程序集引用？ )

Answer 1

您可以尝试使用 XPath 查询语法来选择所有 <p>有class='verse' ，像这样:

var s = doc.DocumentNode.SelectNodes("//p[@class='verse']");

然后做同样的事情foreach正如您已经拥有的那样。

更新一:

我不知道为什么上面的代码会为您抛出错误。它已经在我的电脑上测试过，应该可以正常工作。无论如何，如果您接受解决方法，则可以通过这种方式在没有 XPath 的情况下实现相同的查询:

var s = doc.DocumentNode.Descendants("p").Where(o => o.Attributes["class"] != null && o.Attributes["class"].Value == "verse");

此解决方案较长，因为我们需要在检查属性值之前检查节点是否具有类属性。否则，我们会得到 Null Reference Exception如果有<p>没有类属性。