HtmlAgilityPack 获取 <Item> 标签

Question

我正在尝试使用 HTMLAgilityPack 来解析 html 页面并获取 atom:links 其中包含在 item tags 中。这是 html 的示例：

<item><atom:link href="http://www.nytimes.com/2013/12/09/world/asia/justice-for-abused-
    afghan-women-still-elusive-un-report-says.html?partner=rss&amp;emc=rss" 
    rel="standout" />

我试图通过执行以下操作仅获取item 标签中的atom:link：

        List<string> urlList = new List<string>();
        HtmlAgilityPack.HtmlWeb nytRssPage = new HtmlAgilityPack.HtmlWeb();
        HtmlAgilityPack.HtmlDocument nytRssDoc = new HtmlAgilityPack.HtmlDocument();
        nytRssDoc = nytRssPage.Load(rssUrl);

        var items = nytRssDoc.DocumentNode.Descendants("item").ToList();// list of <item> tags
        foreach (var item in items)
        {
            var atomLink = item.SelectSingleNode("atom:link");
            string articleUrl = atomLink.InnerText;
            urlList.Add(articleUrl);
        }

urlList 是空的，我想我做错了什么。 如果有人能指出我的解决方案，那就太好了，在此先感谢。

Answer 1

要解析一个 xml，你不需要 HtmlAgilityPack

var url = "http://www.nytimes.com/services/xml/rss/nyt/International.xml";
var xDoc = XDocument.Load(url);

XNamespace atom = "http://www.w3.org/2005/Atom";

var items = xDoc.Descendants("item")
            .Select(item => new
            {
                Title = (string)item.Element("title"),
                Url = item.Element(atom + "link") != null 
                          ? (string)item.Element(atom + "link").Attribute("href") 
                          : (string)item.Element("link")
            })
            .ToList();

---

或者，您也可以使用SyndicationFeed 类

var url = "http://www.nytimes.com/services/xml/rss/nyt/International.xml";
var xDoc = XDocument.Load(url);
SyndicationFeed feed = SyndicationFeed.Load(xDoc.CreateReader());

现在你可以循环feed.Items。

Answer 2

var doc = new HtmlDocument();
doc.LoadHtml(
    "<item><atom:link href=\"http://www.nytimes.com/2013/12/09/world/asia/justice-for-abused-afghan-women-still-elusive-un-report-says.html?partner=rss&amp;emc=rss\" rel=\"standout\" />");

var urls = doc.DocumentNode
    .SelectNodes("//item/*[name()='atom:link']")
    .SelectMany(node => node.Attributes.AttributesWithName("href").Select(attr => attr.Value))
    .ToList();

Answer 3

以下代码提取所有链接：

 var links = doc.DocumentNode.SelectNodes(@"//item/*[name()='atom:link']/@href");

如果你想从每个项目节点中获取它们，你需要使用：

 var link = item.SelectSingleNode(@"./*[name()='atom:link']/@href");

我仍然建议您以适当的 XML 结构（使用 Linq to XML 或 XPathNavigable）或使用专用的 Atom 库（如 Atom.NET 或 Windows feeds API 或 Google Feed API）加载 Atom 提要。