使用敏捷包读取、分组和排序html文档中的节点

本文关键字：排序 html 文档 节点 包读取 读取 | 更新日期: 2023-09-27 18:05:54

我正在尝试建立一个类，将读取，分组和排序基于另一个网站的html文档。

我将展示我到目前为止所拥有的东西。下面是一个如何构建网页的示例(请记住，它只是"如何"构建的，我已经重写了整个内容):

<tr>
            <td id="ab100_ab100_ab100_Main_Sub_Sub_objComponent" class="compContainer">
                <table class="objDetails" style="position: relative; margin: auto;">
 <tr>
<div class="smallSetup" style="margin-top: 10px;">
    <b class="ft"><b></b></b>
    <div id="ab100_ab100_ab100_Main_Sub_Sub_firstProp" class="row">
       <div class="label">
           First Name:</div>
       <div class="value">
           Albert Trebla</div>
    </div>
    <div id="ab100_ab100_ab100_Main_Sub_Sub_secondProp" class="row">
        <div class="label" style="line-height:25px;">
           Second Year:</div>
        <div class="value">
           <img src="/Setup/Images.ashx?size=medium&amp;name=5&amp;type=symbol" alt="5" align="absbottom" /><img src="/Setup/Images.ashx?size=medium&amp;name=W&amp;type=symbol" alt="Second" align="absbottom" />
     </div>
     <div id="ab100_ab100_ab100_Main_Sub_Sub_thirdProp" class="row" style="height:15px; position:relative;">
         <div class="label" style="font-size:.7em;">
             Classy Stuff:</div>
         <div class="value">
             7<br /><br /></div>
     </div>
     <div id="ab100_ab100_ab100_Main_Sub_Sub_fourthProp" class="row">
         <div class="label">
             Weather:</div>
         <div class="value">
             Cloudy  — Might Rain</div>
         </div>
     <div id="ab100_ab100_ab100_Main_Sub_Sub_fifthProp" class="row">
         <div class="label">
             Front Text:</div>
         <div class="value">
             <div class="frontTextBox">Opened</div><div class="frontTextBox">The shop is opened when the bridges are lowered.</div></div>
     </div>
     <div id="ab100_ab100_ab100_Main_Sub_Sub_sixthProp" class="row">
         <div class="label">
              Flavor:</div>
         <div id="ctl00_ctl00_ctl00_MainContent_SubContent_SubContent_FlavorText" class="value">
              <div class="frontTextBox"><i>"This taste good!"</i></div></div>
     </div>

等等

现在我在我的应用程序中如何组织我的代码:

HtmlWeb loader = new HtmlWeb();
HtmlDocument doc = loader.Load(stringUrl);
HtmlNode parentNode = doc.GetElementById(ab100_ab100_ab100_Main_Sub_Sub_objComponent);
HtmlNodeCollection allNodes = parentNode.SelectNodes(".//div[@class='row']");

我有我的div集合，但我无法进行下一步。首先要理解的是，上面html代码的布局会改变，所以有时firstProp不会显示，有时是第六个prop，等等。

所以我想检查节点的属性是否为"label":

foreach (HtmlNode htmlNode in allNodes)
{
    if (htmlNode.Attributes["class"].Value == "label")
    {
    }
}

但我不知道如何检查值后，因为下一个兄弟是一个空div。我不知道多少HtmlAgilityPack的工作，所以我想知道是否有一个更容易的方法来得到这个。

谁能告诉我如何继续，或者如果我做错了，如何纠正它?

* EDIT *

我已经改变了行:

HtmlNodeCollection allNodes = parentNode.SelectNodes(".//div[@class='row']");

，现在我的集合只缩小到我将得到的div。但是我仍然需要阅读，当我得到一个div类"label"，读取它的值是什么(例如:Front Text)，如果这是Front Text，得到下面的div类"value"。

使用敏捷包读取、分组和排序html文档中的节点

我建议您学习一点XPATH，它由Html Agility Pack支持，允许在Html DOM上进行简洁的查询。例如，下面的代码:

    HtmlDocument doc = new HtmlDocument();
    doc.Load("test.htm");
    HtmlNode node = doc.GetElementbyId("ab100_ab100_ab100_Main_Sub_Sub_objComponent");
    foreach (HtmlNode row in node.SelectNodes(".//div[@class='row']"))
    {
        Console.Write(row.SelectSingleNode("div[@class='label']").InnerText.Trim());
        Console.WriteLine(row.SelectSingleNode("div[@class='value']").InnerText.Trim());
    }

将输出如下:

First Name:Albert Trebla
Second Year:
Classy Stuff:7
Weather:Cloudy  - Might Rain
Front Text:OpenedThe shop is opened when the bridges are lowered.
Flavor:"This taste good!"

如果在值或标签div中需要HTML，那么可以从那里再次发出XPATH查询。

相关文章：