从 html 获取特定数据

Question

我想从 html 中获取特定数据。我正在使用 c# 和 HtmlAgilityPack

这是 HTML 示例：

<p class="heading"><span>Greeting!</span>

<p class='verse'>Hi!<br>               //
Hello!</p><p class='verse'>Hello!<br>  // i want to get this g
Hi!</p>                                //

<p class="writers"><strong>WE</strong><br/>

这是我在 c# 中的代码：

StringBuilder pureText = new StringBuilder();
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(Lyrics);

var s = doc.DocumentNode.Descendants("p");

try
{
     foreach (HtmlNode childNode in s)
     {
                        pureText.Append(childNode.InnerText);
     }
}
catch
{ }

更新：

StringBuilder pureText = new StringBuilder();
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(URL);

var s = doc.DocumentNode.SelectNodes("//p[@class='verse']"); // error

try
{
     foreach (HtmlNode childNode in s)
     {
            pureText.Append(childNode.InnerText);
     }
}
catch
{ }

错误：

“HtmlAgilityPack.HtmlNode”不包含“SelectNodes”的定义，并且找不到接受“HtmlAgilityPack.HtmlNode”类型的第一个参数的扩展方法“SelectNodes”（您是否缺少 using 指令或程序集引用？ )

Answer 1

您可以尝试使用 XPath 查询语法来选择具有class='verse' 的所有<p>，如下所示：

var s = doc.DocumentNode.SelectNodes("//p[@class='verse']");

然后执行与您已有的相同的foreach。

更新一：

我不知道为什么上面的代码会为您抛出错误。它已经在我的电脑上测试过，应该可以正常工作。无论如何，如果您接受解决方法，则可以通过这种方式在没有 XPath 的情况下实现相同的查询：

var s = doc.DocumentNode.Descendants("p").Where(o => o.Attributes["class"] != null && o.Attributes["class"].Value == "verse");

这个解决方案比较长，因为我们需要在检查属性值之前检查节点是否具有类属性。否则，如果有没有类属性的<p>，我们将得到Null Reference Exception。