根据同级属性选择节点-HtmlAgilityPack-C#

本文关键字：选择 节点 -HtmlAgilityPack-C# 属性 | 更新日期: 2023-09-27 18:25:27

我有一个HTML文档，其结构如下

<ul class="beverageFacts">
<li>
    <span>Vintage</span> 
    <strong>2007&nbsp;</strong>
</li>
<li>
    <span>ABV</span> 
    <strong>13,0&nbsp;%</strong>
</li>
<li>
    <span>Sugar</span> 
    <strong>5&nbsp;gram/liter</strong>
</li>

我需要将<strong>-标记的值解析为相应的string，这取决于<span>-标记的值。

我有以下内容：

String vintage;
String sugar;
String abv;

到目前为止，我正在循环遍历beverageFacts节点的每个子节点，检查值以将其解析为正确的对应string。到目前为止，我获得"Vintage"值的代码如下，尽管结果总是null。

HtmlNodeCollection childNodes = bevFactNode.ChildNodes;
foreach (HtmlNode subNode in childNodes)
{
    if (subNode.InnerText.TrimStart() == "Vintage")
        vintage = subNode.NextSibling.InnerText.Trim();
}

我相信我对节点的选择是不正确的，但我不知道如何以最有效的方式正确地完成它。

有没有一种简单的方法可以实现这一点？

编辑2013-07-29

我已经尝试使用以下代码删除enricariel在评论中建议的空白

        HtmlAgilityPack.HtmlDocument page = new HtmlWeb().Load("http://www.systembolaget.se/" + articleID);
        string cleanDoc = Regex.Replace(page.DocumentNode.OuterHtml, @"'s*(?<capture><(?<markUp>'w+)>.*<'/'k<markUp>>)'s*", "${capture}", RegexOptions.Singleline);
        HtmlDocument cleanPage = new HtmlDocument();
        cleanPage.LoadHtml(cleanDoc);

结果仍然是

 String vintage = null;

根据同级属性选择节点-HtmlAgilityPack-C#

查看HTML标记，我意识到我在节点中做得不够深入。此外，正如enricoariel所指出的，有些白色空间我没有正确清洁。通过跳过作为空白的同级，而是跳到下面，我得到了正确的结果。

        foreach (HtmlNode bevFactNode in bevFactsNodes)
        {
            HtmlNodeCollection childNodes = bevFactNode.ChildNodes;
            foreach (HtmlNode node in childNodes)
            {
                foreach(HtmlNode subNode in node.ChildNodes)
                {
                    if (subNode.InnerText.Trim() == "Årgång")
                        vintage = HttpUtility.HtmlDecode(subNode.NextSibling.NextSibling.InnerText.Trim());
                }
            }
        }
        Console.WriteLine("Vintage: " + vintage);

将输出

Vintage: 2007

我对HTML进行了解码，以获得正确格式的结果。

经验教训！

总之，我认为最好的解决方案是在检索下一个ibling值之前使用正则表达式剥离所有空白：

    string myHtml =
    @"
    <ul class='beverageFacts'>
    <li>
        <span>Vintage</span> 
        <strong>2007&nbsp;</strong>
    </li>
    <li>
        <span>ABV</span> 
        <strong>13,0&nbsp;%</strong>
    </li>
    <li>
        <span>Sugar</span> 
        <strong>5&nbsp;gram/liter</strong>
    </li>";
    //Remove space after and before tag
myHtml = Regex.Replace(myHtml, @"'s+<", "<", RegexOptions.Multiline | RegexOptions.Compiled);
myHtml = Regex.Replace(myHtml, @">'s+", "> ", RegexOptions.Compiled | RegexOptions.Multiline);
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(myHtml.Replace("/r", "").Replace("/n", "").Replace("/r/n", "").Replace("  ", ""));
doc.OptionFixNestedTags = true;
HtmlNodeCollection vals = doc.DocumentNode.SelectNodes("//ul[@class='beverageFacts']//span");
var myNodeContent = string.Empty;
foreach (HtmlNode val in vals)
{
    if (val.InnerText == "Vintage")
    {
        myNodeContent = val.NextSibling.InnerText;
    }
}
return myNodeContent;
相关文章：