使用 Agility Pack WP8 解析 HTML 页面答案

【问题标题】：Parse HTML Page with Agility Pack WP8使用 Agility Pack WP8 解析 HTML 页面
【发布时间】：2014-04-23 19:22:09
【问题描述】：

我要解析这个文件：（仅重要部分）

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
...
</head>
<body onload="Xaprb.InputMask.setupElementMasks()">
<div align="center">
        <table> ... </table>
        <table width="900" height="500" border="0" cellpadding="0"
            cellspacing="0" class="content">
        <tr>
    <td width="45">&nbsp;</td>
    <td width="210" valign="top">
    <div class="np_table">
        <div class="np_bl">
            <div class="np_br">
                <div class="np_tl">
                    <div class="np_tr">
                    <span class="name_heading">Hello</span><br />
                    <span class="name_content">**NAME I NEED**</span><br />
                    <br /> <span class="name_heading">Number:</span><br />
                    <span class="name_content">**NUMBER I NEED**</span>
                    </div>
                </div>
            </div>
        </div>
    </div> <br>

    <div class="menu"> ... </div>

    <p>&nbsp;</p>
    </td>
    <td width="600" valign="top">
        <div class="content_table">
        <div class="ct_bl">
            <div class="ct_br">
                <div class="ct_tl">
                    <div class="ct_tr">
                       <span class="heading">...</span>
                       <p><b>**I need this number too: 250**</b> <br />
               <br />
               Here is the datum I want: **17-04-2014**. <br />
               Please do not...</p>
               <p><b>...</b></p>
    <br /><br>
                 </div>
            </div>
        </div>
      </div>
    </div>
    </td>
</body>
</html>

现在我想要四个字符串，两个数字，日期和名字。我有这个代码：

HttpClient client = new HttpClient();
var doc = new HtmlAgilityPack.HtmlDocument();
var html = await client.GetStringAsync("http://example.com");
doc.LoadHtml(html);

var name = ???
var numberone = ???
var numbertwo = ???
var date = ???

但我不知道我是如何通过 HTML Agility Pack 获得这些信息的。有人可以帮助我吗？或者给我提示？

【问题讨论】：

您可能会发现这很有用。 [stackoverflow.com/questions/846994/…

标签： c# html parsing windows-phone-8

【解决方案1】：

我们可以使用 XPath 查询使用 HtmlAgilityPack 选择 HTML 文档的特定部分。因此，请阅读一些 XPath 教程以开始使用：

MSDN : XPath Reference
W2学校：XPath Syntax

例如，要从这个问题的示例 HTML 中获取 NAME I NEED：

var name = 
    doc.DocumentNode
       .SelectSingleNode("//span[@class='name_content' and .='Hello']/following-sibling::span[1]");
if(name!= null) Console.WriteLine(name.InnerText);

上述示例中使用的 XPath 说明：

//span

扫描整个文档以查找<span> 元素...

[@class='name_content' and .='Hello']

类属性值等于"name_content"，元素值等于"Hello"，

/following-sibling::span[1]

然后从当前<span> 获取，最近的<span> 类型的兄弟元素...

【讨论】：

谢谢！这是用于名称，但编号项目也在类名 = 'name_content' 的跨度元素中，对于第二个数字，有类名 = 'ct_tr' 的元素 dir，但我该如何阅读特定元素 var numbertwo 中的第一个数字和特定元素 var date 中的日期？
修复了我的样本，r 我的意思是name。一个问题有很多工作要解决。所以我给出了一个示例，您尝试找出可能用于选择其余部分的标准，然后尝试将标准转换为 XPath 查询。无论您遇到什么困难，都可以提出一个问题，说明您尝试和研究了多远
好的我现在明白了，谢谢帮助！我得到了它的其余部分！ :)