使用 XPath 解析 HTML 中的文本时出错答案

【问题标题】：Error while using XPath to parse text from HTML使用 XPath 解析 HTML 中的文本时出错
【发布时间】：2013-07-05 15:22:20
【问题描述】：

我需要解析的 HTML 内容是 marquee 元素中的文本，如下所示。我正在使用带有 HTML Agility Pack 的 C# 来解析它，但是会抛出 nullrefrence 异常。

C#代码是

var ht1 = ht.DocumentNode.SelectSingleNode("html/body/table/tbody/tr/td[2]/div[2]/marquee/text()").InnerText;

部分 HTML：

<html>
   -<body ...
      -<table id=..
         -<tbody>
           -<tr>
             +<td.........
             -<td
               +<div ......
               -<div style="width:100%;padding:0;margin:0;border
                -style:solid;border-width:0;border-color:darkred;">
                  <marquee width="100%" height="20" bgcolor="" style="color:
                  darkorchid; font-size: 14" loop="3" behavior="scroll" 
                  scrolldelay="90 scrollamount="5" align="middle" border="0">
                   your scrolling text - these are some samples - think  of
                   possibilities</marquee>
                  <div>

【问题讨论】：

标签： c# html xpath

【解决方案1】：

您是否查看了 html 文件的直接来源？如果您只查看在 Firebug/fox 等浏览器中显示的 html，它会显示额外的 tbody 标记，这些标记实际上并不在文件中。
因此使用：
```
var ht1 = ht.DocumentNode.SelectSingleNode("html/body/table/tr/td[2]/div[2]/marquee/text()").InnerText; 
```
您通常不想使用 text()，因为节点的文本内容已经是它的文本。并且 text() 返回一组文本节点，而不是连接的文本。
因此使用：
```
var ht1 = ht.DocumentNode.SelectSingleNode("html/body/table/tr/td[2]/div[2]/marquee").InnerText
```

【讨论】：

var ht1 = ht.DocumentNode.SelectSingleNode("html/body/table/tr/td[2]/div[2]/marquee").InnerText 从来没有工作所以我添加了 text(),这也没有帮助。
ezcybersites.com/html-goodies/marque-html-code-creator.html 是网站的链接。
好的，页面源已完全损坏。最好只使用(//marquee)[1] 来获得第一个选框

【解决方案2】：

该页面似乎不是格式良好的 HTML。不过这对我有用：

ht.DocumentNode.SelectSingleNode(@"html/head/table[1]/tbody/tr/td[1]/td/div[2]/marquee").InnerText;

【讨论】：