c# - HtmlAgilitypack 枚举所有类

Question

一般来说，我经常处理 html，并且总是使用 Regex 来获取结果。不过，每次我寻求帮助时，每个人都建议使用 HTML 解析器，例如 HTMLAgilitypack。

我刚刚试过了，伙计，现在对我来说太多了。这就是我尝试枚举 html 代码跨度的方式

private static string _InetReadEx(string sUrl)
    {
        try
        {
            HtmlWeb website = new HtmlWeb();
            HtmlDocument htmlDoc = website.Load(sUrl);

            var allElementsWithClassFloat = htmlDoc.DocumentNode.SelectNodes("//div[contains(@class,'pid')]");
            for (int i = 0; i < allElementsWithClassFloat.Count; i++)
            {
                Console.WriteLine(allElementsWithClassFloat[i].InnerText);
            }

            return aRet;
        }
        catch (Exception ex)
        {
            throw ex;
        }
    }

我收到错误Expression must evaluate to a node-set

我已经上传了 HTML 文件 here因为它太大了，无法将其添加到帖子中我需要枚举所有包含“pid”的类。

Answer 1

我想你需要类似的东西

private static List<string> _InetReadEx(string sUrl)    // Returns string list
{
    var aRet = new List<string>();                      // string list var
    try
    {
        var website = new HtmlAgilityPack.HtmlWeb();    // Init the object
        var htmlDoc = website.Load(sUrl);               // Load doc from URL

        var allElementsWithClassFloat = htmlDoc.DocumentNode.SelectNodes("//*[contains(@class,'pid')]"); // Get all nodes with class value containing pid
        if (allElementsWithClassFloat != null)          // If nodes found
        {
            for (int i = 0; i < allElementsWithClassFloat.Count; i++)
            {
                if (!string.IsNullOrWhiteSpace(allElementsWithClassFloat[i].InnerText) && // if not blank/null
                    !aRet.Contains(allElementsWithClassFloat[i].InnerText)) // if not already present
                {
                    aRet.Add(allElementsWithClassFloat[i].InnerText);  // Add to result
                    Console.WriteLine(allElementsWithClassFloat[i].InnerText); // Demo line
                }
            }
        }
        return aRet;
    }
    catch (Exception ex)
    {
        throw ex;
    }
}

XPath 是//*[contains(@class,'pid')]:

• //* - 获取所有元素节点......
• [包含( - 包含...
• @class,'pid' - class 属性值中的 pid 子串
• )] - 包含条件的结尾