对于此示例，如何使用 htmlagilitypack 从 HTML 中提取文本？答案

【问题标题】：How to extract text from HTML using htmlagilitypack for this sample?对于此示例，如何使用 htmlagilitypack 从 HTML 中提取文本？
【发布时间】：2011-08-17 18:03:48
【问题描述】：

我想从 HTML 源中提取文本。我正在尝试使用 c# 和 htmlagilitypack dll。

来源是：

<table>
  <tr>
    <td class="title">
      <a onclick="func1">Here 2</a>
    </td>
    <td class="arrow">
      <img src="src1" width="9" height="8" alt="Down">
    </td>
    <td class="percent">
      <span>39%</span>
    </td>
    <td class="title">
      <a onclick="func2">Here 1</a>
    </td>
    <td class="arrow">
      <img src="func3" width="9" height="8" alt="Up">
    </td>
    <td class="percent">
      <span>263%</span>
    </td>
  </tr>
</table>

如何从表格中获取文本 Here 1 和 Here 2？

【问题讨论】：

标签： c# linq xpath html-agility-pack html-content-extraction

【解决方案1】：

Xpath 版本

 HtmlDocument doc = new HtmlDocument();
 doc.LoadHtml(t);

 //this simply works because InnerText is iterative for all child nodes
 HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//td[@class='title']");
//but to be more accurate you can use the next line instead
//HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//td[@class='title']/a");


 string result;
 foreach (HtmlNode item in nodes) 
       result += item.InnerText;

对于 LINQ 版本，只需将 var Nodes = .. 行更改为：

 var Nodes = from x in htmlDoc.DocumentNode.DescendantNodes()
                  where x.Name == "td" && x.Attributes["class"].Value == "title"
                  select x.InnerText;

【讨论】：

如何显示单元格文本？
使用 innerText 或者你可以像这样在 xpath 中使用 text() "//td[@class='title']/a/text()"

【解决方案2】：

HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml("web page string");
var xyz = from x in htmlDoc.DocumentNode.DescendantNodes()
                     where x.Name == "td" && x.Attributes.Contains("class")
                     where x.Attributes["class"].Value == "title"
                     select x.InnerText;

不是很漂亮，但应该可以工作

【讨论】：