HtmlAgilityPack 从页面中的所有 div 中提取文本，而不仅仅是从代码中指定的一个 div

Question

我在使用 HtmlAgilityPack 的 xpath 表达式时遇到了奇怪的行为。 我正在尝试使用 HtmlAgilityPack 来提取声明为的 div 中的所有值 <div class='cont'> 但是，当我使用下面的代码时，我只需获取其中的所有值 <div class='cont'> 和 <div class='button'>。有谁知道为什么会这样？ 这是重现它的完整代码：

using System;
using System.Xml.XPath;
using HtmlAgilityPack;

namespace ConsoleApplication1
{
    class Program
    {
        static void Main(string[] args)
        {
            const string text1 = @"<div class=""cont"">
<h3>content</h3> 
<div style=""margin: 0cm 0cm 0pt"" class=""Normal"">content1</div><div style=""margin: 0cm 0cm 0pt"" class=""Normal""> content2</div>
<div style=""margin: 0cm 0cm 0pt"" class=""Normal"">content3 </div>
<div>content4 </div><strong>content5
<div>content6 </div><ul type=""disc"">    
<div>content7 </div>        
<div>content8 </div>    </ul>
<p class='margin10'><font size=""2"">
<div>
<p><span style=""font-family: Arial"">content9</span></p>
</div>
<div>content10</font><a href=""mailto:james@polis.com""><u><font color=""#0000ff"" size=""2""><font color=""#0000ff"" size=""2""> content11 </u></font></font></a><font size=""2""> content12
<div>content13</div>
</div>
</font>
</p>
</div>
<div class=""button"">
<span class=""applybtn""><a class=""buttonGlobal buttonAlpha"" href=""/uk/job/apply/(id)/608735"">content14</a></span>
</div>";
            foreach (XPathNavigator node in SearchInPage(text1, "//div[@class='cont']"))
            {
                Console.WriteLine("option " + node.Value);
            }

        }

        private static XPathNodeIterator SearchInPage(string text, string xpath)
        {
            HtmlDocument htmlDocument = new HtmlDocument();
            htmlDocument.LoadHtml(text);
            XPathNavigator xpathNavigator = htmlDocument.CreateNavigator();
            XPathNodeIterator nodes = xpathNavigator.Select(xpath);
            return nodes;
        }
    }
}

代码返回： 'content', 'content1-13' PLUS 'content14' 存在于<div class='button'>

Answer 1

所以如果我理解正确，您只想找到节点 <div class="cont"> 的子节点的值吗？

试试这个：

HtmlDocument doc = new HtmlDocument;
doc.Load(Html);
HtmlNode node = doc.DocumentNode.SelectSingleNode(".//div[@class='cont']");

foreach(HtmlNode childNode in node)
{
    Console.WriteLine(childNode.Value);
}

我没有办法在我面前进行调试，但这应该可以。 (".//div[@class='cont']") 应该只选择指定节点及其子节点，并忽略指定节点之外的任何内容。剩下的只是 Linq 和 HtmlAgilityPack - 请记住，HtmlAgilityPack 实现了 XPath，因此请确保在使用 XPath 之前查看 AgilityPacks 可用的方法......请记住，xml 和 html 是不同的语言，适用于一个的不一定适用于其他。