html敏捷包解析表

Question

我有一张这样的桌子：

<table border="0" cellpadding="0" cellspacing="0" id="table2">
    <tr>
        <th>Name
        </th>
        <th>Age
        </th>
    </tr>
        <tr>
        <td>Mario
        </td>
        <th>Age: 78
        </td>
    </tr>
            <tr>
        <td>Jane
        </td>
        <td>Age: 67
        </td>
    </tr>
            <tr>
        <td>James
        </td>
        <th>Age: 92
        </td>
    </tr>
</table>

我正在使用 html 敏捷包来解析它。我已经尝试过这段代码，但它没有返回预期的结果：这是代码：

foreach (HtmlNode tr in doc.DocumentNode.SelectNodes("//table[@id='table2']//tr"))
            {
                //looping on each row, get col1 and col2 of each row
                HtmlNodeCollection tds = tr.SelectNodes("td");
                for (int i = 0; i < tds.Count; i++)
                {
                    Response.Write(tds[i].InnerText);
                }
            }

我正在获取每一列，因为我想对返回的内容进行一些处理。

我做错了什么？

Answer 1

您可以从外部 foreach 循环中获取单元格内容：

foreach (HtmlNode td in doc.DocumentNode.SelectNodes("//table[@id='table2']//tr//td"))  
{  
    Response.Write(td.InnerText);   
}  

我还建议对内部文本进行修剪和“去实体化”以确保其干净：

Response.Write(HtmlEntity.DeEntitize(td.InnerText).Trim())

在您的源中，[Age: 78] 和 [Age: 92] 的单元格在开头有一个 <th> 标签，而不是 <td>

Answer 2

这是我的解决方案。请注意您的 HTML 格式不正确，因为您有 TH，而 TD 应该是：

<table border="0" cellpadding="0" cellspacing="0" id="table2">
    <tr>
        <th>Name
        </th>
        <th>Age
        </th>
    </tr>
        <tr>
        <td>Mario
        </td>
        <td>Age: 78
        </td>
    </tr>
            <tr>
        <td>Jane
        </td>
        <td>Age: 67
        </td>
    </tr>
            <tr>
        <td>James
        </td>
        <td>Age: 92
        </td>
    </tr>
</table>

这是 c# 代码：

using HtmlAgilityPack;

namespace ConsoleApplication1
{
    class Program
    {
        static void Main(string[] args)
        {

            HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
            document.Load("page.html");

            List<HtmlNode> x = document.GetElementbyId("table2").Elements("tr").ToList();

            foreach (HtmlNode node in x)
            {
                List<HtmlNode> s = node.Elements("td").ToList();
                foreach (HtmlNode item in s)
                {
                    Console.WriteLine("TD Value: " + item.InnerText);
                }
            }
            Console.ReadLine();
        }
    }
}

截图：

编辑：我必须补充一点，如果您要使用 <th> 标签，您必须将它们包含在 <thead> 标签中，然后将您的行包含在 <tbody> 标签中，以便您的 html 格式正确： )

更多信息：http://www.w3schools.com/tags/tag_thead.asp