仅使用类项从网页获取特定数据

Question

我希望提取网页上的源代码（我已将其范围缩小到与此处相关的内容：

    <div class="sideInfoPlayer">
<a class="signLink" href="spieler.php?uid=12345" title="Profile">
    <span class="wrap">Wagamama</span>
</a>

现在这里的诀窍是我想将 Wagamama 这个词放入一个消息框中，但该词在该站点的每个页面上都会发生变化，因此我需要获取该元素但此页面上没有 ID。因此，我正在考虑先搜索名为“sideInfoPlayer”的类，然后在前一个类块中找到“包装”类。

我写了下面的代码来获得第一个，但不知道如何处理第二个然后获得所需的值。

        HtmlElementCollection col = webBrowser1.Document.GetElementsByTagName("div");
        foreach (HtmlElement element in col)
        {
            string cls = element.GetAttribute("className");
            if (String.IsNullOrEmpty(cls) || !cls.Equals("sideInfoPlayer"))
                continue;
        }

我希望你能帮助我解决这个问题。

Answer 1

你有更好的选择。看http://htmlagilitypack.codeplex.com/

在这里：How can i parse html string

首先，您需要通过手动下载或使用 NuGet 包管理器来添加对 HtmlAgilityPack 库的引用。

// loading html into HtmlDocument
var doc = new HtmlWeb().Load("http://website.com/mypage");
// walking through all nodes of interest
foreach (var node in doc.DocumentNode.SelectNodes("//div[@class='sideInfoPlayer']/span[@class='wrap']"))
{
  // here is your text: node.InnerText
}

//div[@class='sideInfoPlayer']/span[@class='wrap'] 被称为Xpath Expression，这个字面意思是“让我获得所有具有 class=wrap 的跨度元素，它们是具有 class=sideInfoPlayer 的 div 元素的子元素。

我没有测试它，但它应该可以工作。