代码之家 › 专栏 › 技术社区 › weismat

HTML敏捷性包-分析表

html-agility-pack html-parsing html c#

weismat · 技术社区 · 17 年前

我想使用HTML敏捷性包来解析复杂网页中的表,但不知何故,我在对象模型中迷失了方向。

我查看了链接示例,但没有找到任何这样的表数据。我可以使用xpath获取表吗?在加载了关于如何获取表的数据之后,我基本上是迷路了。我以前用过Perl,它有点笨拙,但很有效。( HTML::TableParser )

我也很高兴能为解析提供正确的对象顺序。

4 回复 | 直到 8 年前

111

peinearydevelopment 8 年前

比如: 使用 HTML Agility Pack

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(@"<html><body><p><table id=""foo""><tr><th>hello</th></tr><tr><td>world</td></tr></table></body></html>");
foreach (HtmlNode table in doc.DocumentNode.SelectNodes("//table")) {
    Console.WriteLine("Found: " + table.Id);
    foreach (HtmlNode row in table.SelectNodes("tr")) {
        Console.WriteLine("row");
        foreach (HtmlNode cell in row.SelectNodes("th|td")) {
            Console.WriteLine("cell: " + cell.InnerText);
        }
    }
}

请注意,如果需要,可以使用linq to对象使其更漂亮:

var query = from table in doc.DocumentNode.SelectNodes("//table").Cast<HtmlNode>()
            from row in table.SelectNodes("tr").Cast<HtmlNode>()
            from cell in row.SelectNodes("th|td").Cast<HtmlNode>()
            select new {Table = table.Id, CellText = cell.InnerText};

foreach(var cell in query) {
    Console.WriteLine("{0}: {1}", cell.Table, cell.CellText);
}

Coda 16 年前

最简单的是,我找到了一个特定元素的xpath,安装firefox的firebug扩展,到站点/网页,按F12打开firebug;右键选择并右键单击要查询的页面上的元素,选择“inspect element”firebug将在其ide中选择元素,然后右键单击该元素。在Firebug中,选择“copy xpath”,这个函数将为您提供使用HTML敏捷性库获取所需元素所需的准确xpath查询。

Shibumi Tait 9 年前

在我的例子中,有一个表恰好是来自路由器的设备列表。如果您希望使用tr/th/td(行、头、数据)而不是如上所述的矩阵来读取表,可以执行如下操作:

    List<TableRow> deviceTable = (from table in document.DocumentNode.SelectNodes(XPathQueries.SELECT_TABLE)
                                       from row in table?.SelectNodes(HtmlBody.TR)
                                       let rows = row.SelectSingleNode(HtmlBody.TR)
                                       where row.FirstChild.OriginalName != null && row.FirstChild.OriginalName.Equals(HtmlBody.T_HEADER)
                                       select new TableRow
                                       {
                                           Header = row.SelectSingleNode(HtmlBody.T_HEADER)?.InnerText,
                                           Data = row.SelectSingleNode(HtmlBody.T_DATA)?.InnerText}).ToList();
                                       }

TableRow只是一个简单的对象,其标题和数据作为属性。该方法处理空性,这种情况下:

<tr>
    <td width="28%">&nbsp;</td>
</tr>

这是没有标题的行。带有挂起常量的htmlbody对象可能很容易被推导出来,但我还是为此道歉。我来自一个世界,如果你的代码中有“它应该是常量或者是可本地化的。

-1

Nathaniel Ford iFail 10 年前

以上答案的行:

HtmlDocument doc = new HtmlDocument();

与2015年相比,这是行不通的。不能构造 HtmlDocument 再。

另一个MS“功能”,使事情更难使用。尝试 HtmlAgilityPack.HtmlWeb 退房 this link 对于一些示例代码。

推荐文章

code-geek · Jquery根据单选按钮选择隐藏或显示文本字段

1 年前

Jamie · 在CSS链接的文件名中添加Jinja占位符

1 年前

ptownbro · 重叠分区标签,同时保持以下所有分区和内容就位

1 年前

Luke Frost IEng MIMechE · Bootstrap 5.3在Div中的项目位置没有如我所期望的那样显示

1 年前

Reegan · 使用Angular ngFor指令在html中渲染嵌套对象值

1 年前

wqyutv · 当找不到文件时,任何破坏错误的东西都不会出现,我该怎么解决这个问题?

1 年前

user29519291 · 为不同的变量创建一个带有可重用Click函数的简单菜单

1 年前

Gukkey · 在React中明确隐藏日期类型输入后,如果我单击父div,如何显示日期选择器?

1 年前

Lorenzo Bertolaccini · 在Angular项目中通过对话框后,在控制台中显示但在HTML中不显示的数据数组

1 年前

john Rizzo · 按钮背景颜色、悬停和活动状态存在问题

1 年前