使用 Powershell 返回 HTML div 的内容答案

【问题标题】：Returning the contents of a HTML div with Powershell使用 Powershell 返回 HTML div 的内容
【发布时间】：2014-12-15 10:28:55
【问题描述】：

我有一个类似结构化 HTML 文件的目录（给出了两个示例）：

文件-1.html

<html>
    <body>
        <div class="foo">foo</div>
        <div class="bar"><div><p>bar</p></div></div>
        <div class="baz">baz</div>
    </body>
</html>

文件-2.html

<html>
    <body>
        <div class="foo">foo</div>
        <div class="bar"><div><p>apple<br>banana</p></div></div>
        <div class="baz">baz</div>
    </body>
</html>

我正在尝试创建一个 Powershell 脚本来返回从所有 html 中删除的 bar div 的内容：

对于 File-1.html：bar 对于 File-2.html：apple banana

我现在有：

$directory = "C:\Users\Public\Documents\Sandbox\HTML"

foreach ($file in Get-ChildItem($directory))
{
    $content = Get-Content "$directory\$file"

    echo $content.ParsedHtml.getElementById("bar").innerHTML
}

这会返回一个错误：

You cannot call a method on a null-valued expression. 
At C:\Users\Public\Documents\Sandbox\parse-html.ps1:9 char:2 
+     echo $content.ParsedHtml.getElementById("bar").innerHTML`

我不明白这个错误，因为bar 是一个存在的 HTML 元素。

我做错了什么？

【问题讨论】：

$content 有值吗？该错误告诉您，您正在调用方法的变量是 null
是的，当我执行echo $content 时，会返回 File-1.html 的 HTML。
好的，$content.ParsedHtml 怎么样？
因为 $content 没有名为 ParsedHtml 的属性，所以我认为 powershell 默认不支持解析 html 文件。您可以尝试使用htmlagilitypack.codeplex.com。或者您可以将该行视为字符串并尝试使用 REGEX 获取标记的内容
哈哈 :) 对不起，我自己不是正则表达式大师 :) 我能给你的唯一提示是尝试 regex101.com，它会显示语法错误和其他东西。也看这里：stackoverflow.com/questions/11306596/…

标签： html powershell xml-parsing html-parsing

【解决方案1】：

你可以试试这样的：

 $content = Get-Content File-1.html
 $xmlContent = [xml]$content

 $bar = $xmlContent.html.body.div | where {$_.div -eq 'bar'}

 Write-Output $bar.InnerXML

【讨论】：

【解决方案2】：

你可以这样做：

$text = Get-Content File-1.html
$html = New-Object -ComObject "HTMLFile"
$html.IHTMLDocument2_write($text)
$bar = $html.body.getElementsByClassName('bar')[0]
$bar.innerText

【讨论】：