提取标记内的数据

本文关键字：数据 提取 | 更新日期: 2023-09-27 18:10:56

我读了一些关于这个主题的帖子，我试图实现答案，但我没有我想要的输出。

HTML

<div class="span-8">
  <dl>
    <dt>
      <a title="A Coruña" href="http://www.paginasamarillas.es/all_a-coru%C3%B1a_.html"> A Coruña</a>
    </dt>
    <dt>
      <a title="Álava" href="http://www.paginasamarillas.es/all_alava_.html"> Álava</a>
    </dt>
    <dt>
      <a title="Albacete" href="http://www.paginasamarillas.es/all_albacete_.html"> Albacete</a>
    </dt>
    <dt>
      <a title="Alicante" href="http://www.paginasamarillas.es/all_alicante_.html"> Alicante</a>
      </dt>
...
...

我想得到"巴塞罗那"，"阿利坎特"，"阿尔巴塞特"等。所以，我尝试下面的代码:

var nodos = doc.DocumentNode.SelectNodes("//div[@class='container']");

和

var nodos = doc.DocumentNode.SelectNodes("//a[@title]");

或

var nodos = doc.DocumentNode.SelectNodes("//div[@class='span-8']");

但不工作，这就像如果类"容器"，属性"标题"或类"span-8"不存在于页面中。也可以尝试其他的变体。存在其他的"div"与类'container'，和其他"a"与属性'title'在代码中，提取很好，但这不是我想要的。

编辑对不起，我解释错了。不是一个字，是一组数据。我修改了上面的HTML代码

提取标记内的数据

我已经测试了你的样本html和它的工作:

string html = @"<div class=""container"">
  <div class=""span-24"">
    <div class=""span-8"">
      <dl>
        <dt>
          <a title=""A Coruña"" href=""http://www.example.com/all_example.html""> Barcelona</a>
        </dt>
      </dl>
    </div>
  </div>
</div>";
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
var div = doc.DocumentNode.SelectSingleNode("//div[@class='span-8']");
if(div != null)
{
    List<string> linkTexts = div.Descendants("a")
            .Select(a => a.InnerText)
            .ToList();  // one item " Barcelona"
}
相关文章：