尝试在 c# 中使用 xpath 选择滑的 href 属性

Question

试图从网站上抓取 .pdf，但 XPath 很顽固。

Site I'm trying to get the .pdf from

inspect 给出的 xpath > 复制 > 复制 xpath:

//*[@id="content"]/div/table[2]/tbody/tr[0]/td[3]/a

出于某种原因，/tbody 只会引起问题。删除它对我正在使用的所有其他 Xpath 都有效，并且似乎也是这里的方法。

//*[@id="content"]/div/table[2]/tr[0]/td[3]/a

这会产生结果：

<img width="16" height="16" src="/apps/cba/g_doctype_pdf.gif" border="0"><br><small>Download<br>Agreement</small>

哪个似乎是子节点？

在任何情况下，将 xpath 备份到：

//*[@id="content"]/div/table[2]/tr[0]/td[3]

了解我

<a target="_blank" href="/apps/cba/docs/1088-CBA6-2017_Redacted.pdf"><img width="16" height="16" src="/apps/cba/g_doctype_pdf.gif" border="0"><br><small>Download<br>Agreement</small></a>

这很好，因为我只需要href 属性中的值，我可以重建 URL 等等。我不是 XPath 的专家，但在我看来，最后的调整应该能得到我想要的：

//*[@id="content"]/div/table[2]/tr[0]/td[3]/@href

但是它再次返回标签。 我被这件事难住了。有什么建议吗？

编辑：

标记的解决方案让我明白我在做一个假设。我假设我可以以与取消引用其他 节点 相同的方式取消引用 href 标记。情况并非如此，我不得不将我的取消引用调整为这样的：

var node_collection = hdoc.DocumentNode.SelectNodes(@"//*[@id=""content""]/div/table[2]/tr[1]/td[3]/a/@href");
string output = node[0].Attributes["href"].Value

问题根本不在于 Xpath。问题是我对我正在处理的 HtmlDocument 对象缺乏了解。粘贴我试图获取 href 标记的地方会让任何有经验的人都明白这一点。过于自觉地复制粘贴我的整个凌乱代码块使得任何人都无法帮助我。孩子们，从我的错误中吸取教训，健壮的代码部分可以更轻松地准确识别问题。

Answer 1

你说得对，tbody 是 Chrome 在 Copy XPath 上添加的，应该将其删除，因为它不存在于原始 HTML 代码中。_*

选择href 属性应该按照建议工作：//*[@id="content"]/div/table[2]/tr[1]/td[3]/a/@href

我可以像这样加载第一个href：

HtmlWeb web = new HtmlWeb();
HtmlDocument hdoc = web.Load("https://work.alberta.ca/apps/cba/searchresults.asp?query=&employer=&union=&locality=&local=&effective_fy=&effective_fm=&effective_ty=&effective_tm=&expiry_fy=&expiry_fm=&expiry_ty=&expiry_tm=");

var nav = (HtmlNodeNavigator)hdoc.CreateNavigator();
var val = nav.SelectSingleNode(@"//*[@id=""content""]/div/table[2]/tr[1]/td[3]/a/@href").Value;

或者全部都是这样的：

XPathNavigator nav2 = hdoc.CreateNavigator();
XPathNodeIterator xiter = nav2.Select(@"//*[@id=""content""]/div/table[2]/tr/td[3]/a/@href");
while (xiter.MoveNext())
{
    Console.WriteLine(xiter.Current.Value);
}

_{* 但是，某些引擎确实需要 tbody 出现在 XPath 中，如 here 所示。只有这样我们才能得到结果。请参阅 this answer 为什么首先由 Chrome、Firebug 等添加 tbody。}