使用 HtmlAgilityPack 从网站获取数据答案

【问题标题】：Fetch data from website using HtmlAgilityPack使用 HtmlAgilityPack 从网站获取数据
【发布时间】：2012-01-20 11:43:00
【问题描述】：

我正在开发一个应用程序，我必须在其中从网站获取数据。网站格式为：

<div id="id1" class="class1">
    <ol class="cls_ol">
    <li>
       <div class="class2">Content 1</div>
       <div class="cls_img">
                *** Code for some image ***
       </div>
       Content 2
    </li>
    <li>  *** Same like above <li> ***  </li>
    <li>  *** Same like above <li> ***  </li>
    </ol>
</div>

我使用代码来获取这个...

protected void Button1_Click(object sender, EventArgs e)
{
    var obj = new HtmlWeb();
    var document = obj.Load(" ** url of a website ** ");

    var bold = document.DocumentNode.SelectNodes("//div[@class='class1']");

    foreach (var i in bold)
    {
        Response.Write(i.InnerHtml);
    }

但是，我的代码的问题是，它还获取了<div class="cls_img"></div> 的图像。我不需要这张图。那么，如何在不从<div class="cls_img">获取图像的情况下获取<div id="id1" class="class1">的所有内容。

【问题讨论】：

标签： c# .net html-agility-pack

【解决方案1】：

第 1 步 - 选择并删除 <div class="cls_img"> 内的图像 <div class="class1"> 标记：

  var images = document.DocumentNode.SelectNodes(
      "//div[@class='class1']//*//div[@class='cls_img']//img"
  );

  // note that if no nodes found "images" variable will hold a null value
  foreach (var image in images)
  {
      image.Remove();
  }

第 2 步 - 选择 <div class="class1"> 元素（您已经完成了） - 现在没有该图像：

  var bold = document.DocumentNode.SelectNodes("//div[@class='class1']");
  foreach (var node in bold)
  {
      Console.Write(node.InnerHtml);
  }

【讨论】：

嘿！亚历克斯，你能帮帮我吗？实际上我是 HtmlAgilityPact 的新手。我想学它。我想学习它的类，如 HtmlNode 类、HtmlNodeCollection 类等。所以，请告诉我来源（如任何网站或电子书），我可以从哪里学习它。
@Sagar Kadam，据我所知，它还没有文档（建议您访问他们的 Discussions tab 来提问）。这里也有很多例子，stackoverflow。此外，当您确定答案对您最有帮助时，请单击答案左侧的复选框轮廓将其标记为已接受的答案。
耶！亚历克斯，我认为你是对的。我搜索了很多与 Agilitypack 教程相关的内容，但一无所获。我想，我应该更喜欢stackoverflow 来学习它。感谢您的帮助。

【解决方案2】：

遍历节点，找到匹配属性为 class="cls_img" 的节点并删除该节点。

node.ParentNode.RemoveChild(node);

【讨论】：