Html Agility Pack 循环遍历表的行和列答案

【问题标题】：Html Agility Pack loop through table rows and columnsHtml Agility Pack 循环遍历表的行和列
【发布时间】：2013-02-04 19:08:46
【问题描述】：

我有一张这样的桌子

<table border="0" cellpadding="0" cellspacing="0" id="table2">
    <tr>
        <th>Name
        </th>
        <th>Age
        </th>
    </tr>
        <tr>
        <td>Mario
        </td>
        <th>Age: 78
        </td>
    </tr>
            <tr>
        <td>Jane
        </td>
        <td>Age: 67
        </td>
    </tr>
            <tr>
        <td>James
        </td>
        <th>Age: 92
        </td>
    </tr>
</table>

并且想使用 HTML Agility Pack 来解析它。我试过这段代码无济于事：

foreach (HtmlNode row in doc.DocumentNode.SelectNodes("//table[@id='table2']//tr"))
{
    foreach (HtmlNode col in row.SelectNodes("//td"))
    { 
        Response.Write(col.InnerText); 
    }
}

我做错了什么？

【问题讨论】：

你能描述一下什么不起作用吗？
我得到一个无限循环
它对我有用（嗯，不完全是，我得到的名字 Mario/Jane/James 重复了 4 次）。请注意，'//td' 不仅仅从当前节点中选择（如您所料）而是从 DocumentNode 中选择。您使用的是哪个版本的 HtmlAgilityPack？
嗯，看起来像您的 .NET 版本。您是否通过 NuGet 获得了 HtmlAgilityPack？
你是对的这是版本：1.4.6.0

标签： c# .net html-agility-pack

【解决方案1】：

你为什么不直接选择tds？

foreach (HtmlNode col in doc.DocumentNode.SelectNodes("//table[@id='table2']//tr//td"))
    Response.Write(col.InnerText);

或者，如果您确实需要将 trs 单独用于其他处理，请删除 // 并执行以下操作：

foreach (HtmlNode row in doc.DocumentNode.SelectNodes("//table[@id='table2']//tr"))
    foreach (HtmlNode col in row.SelectNodes("td"))
        Response.Write(col.InnerText);

当然，这只有在 tds 是 trs 的直接子代时才有效，但它们应该是，对吧？

编辑：

var cols = doc.DocumentNode.SelectNodes("//table[@id='table2']//tr//td");
for (int ii = 0; ii < cols.Count; ii=ii+2)
{
    string name = cols[ii].InnerText.Trim();
    int age = int.Parse(cols[ii+1].InnerText.Split(' ')[1]);
}

使用 LINQ 可能有更令人印象深刻的方法。

【讨论】：

是的，我想使用每一列进行处理，因为您可以看到第二列是数字和文本的混合，我想提取数字。尝试此代码后，页面只是循环，没有结果。

【解决方案2】：

我运行了代码，它只显示 Names，这是正确的，因为 Ages 是使用无效的 HTML 定义的：<th></td>（可能是错字)。

顺便说一句，代码可以简化为只有一个循环：

foreach (var cell in doc.DocumentNode.SelectNodes("//table[@id='table2']/tr/td"))
{
    Response.Write(cell.InnerText);
}

这是我用来测试的代码：http://pastebin.com/euzhUAAh

【讨论】：

【解决方案3】：

我必须提供完整的 xpath。我从@Coda (https://stackoverflow.com/a/3104048/1238850) 的建议中使用 Firebug 获得了完整的 xpath，我最终得到了以下代码：

foreach (HtmlNode row in doc.DocumentNode.SelectNodes("/html/body/table/tbody/tr/td/table[@id='table2']/tbody/tr"))
{
    HtmlNodeCollection cells = row.SelectNodes("td");
    for (int i = 0; i < cells.Count; ++i)
    {
        if (i == 0)
        { Response.Write("Person Name : " + cells[i].InnerText + "<br>"); }
        else {
            Response.Write("Other attributes are: " + cells[i].InnerText + "<br>"); 
        }
    }
}

我确信它可以写得比这更好，但它现在对我有用。

【讨论】：

【解决方案4】：

我用这个做了同样的项目：

        private List<PhrasalVerb> ExtractVerbsFromMainPage(string content)
    {
        var verbs =new List<PhrasalVerb>(); ;
        HtmlDocument doc = new HtmlDocument();
        doc.LoadHtml(content);
        var rows = doc.DocumentNode.SelectNodes("//table[@class='idioms-table']//tr");
        rows.RemoveAt(0); //remove header
        foreach (var row in rows)
        {
            var cols = row.SelectNodes("td");
            verbs.Add(new PhrasalVerb { 
            Uid = Guid.NewGuid(),
            Name = cols[0].InnerHtml,
            Definition = cols[1].InnerText,
            Count =int.TryParse(cols[2].InnerText,out _) == true ? Convert.ToInt32(cols[2].InnerText) : 0
            });
        }
        return verbs;
    }

【讨论】：