网络抓取电话号码

Question

我是 HtmlAgilityPack 的新手，对我来说它是如何工作的有点不清楚。让我们说一下何时编写类似这段代码的代码

Dim url1 As String = "http://www.bing.com/search?q=Verizon
Dim hw As New HtmlWeb()
Dim doc As HtmlDocument = hw.Load(url1)
For Each link As HtmlNode In doc.DocumentNode.SelectNodes("//a[@href]")

Dim att As HtmlAttribute = link.Attributes("href")
Response.Write(att.Value)

Next

1. 那么当SelectNodes 是//a[@href] 是否意味着它只会查看ahref 标签？
2. 如果是这样，我怎样才能让它考虑循环中的其他标签，例如<li>, <h3>, <div>。 像//li[@class='wrap']|//div[@class='last']这样正确吗？？
3. 如何获取和呈现这些标签之间的数据。

另一个问题是，假设我需要从该 url 中抓取电话号码，该号码可能不可用或可能不在任何定义的标签中。我可以使用任何可靠的方法来获取相关搜索词的电话号码吗？有什么建议或想法吗？

Answer 1

确实，当前的 xpath 会查看具有 href 参数的锚标记。我建议您阅读 xpath 语法（例如 http://www.w3schools.com/xpath/xpath_syntax.asp）

要选择其他节点，您需要更改 xpath 以选择这些标签，例如：

doc.DocumentNode.SelectNodes("//li")

获取所有li节点等

可以使用所选文档节点的 InnerHtml 访问标签中的数据（在您的示例中为 link.InnerHtml）

自动抓取电话号码真的很痛苦，每个国家使用不同的长度，并且有许多不同的格式来写一个号码：+12(0)3456 +123456 00123456 +12(0)34-56 都一样有效的电话号码...有关简单的解决方案，请参阅Check if there is phone number in string C#

GL&HF!