与HTML敏捷性包和LINQ

Question

解析HTML我有以下的HTML

(..) 
<tbody> 
<tr> 
    <td class="name"> Test1 </td> 
    <td class="data"> Data </td> 
    <td class="data2"> Data 2 </td> 
</tr> 
<tr> 
    <td class="name"> Test2 </td> 
    <td class="data"> Data2 </td> 
    <td class="data2"> Data 2 </td> 
</tr> 
</tbody> 
(..) 

我掌握的信息是名字=>所以 “Test1的” & “的Test2”。我想知道的是，如何根据我的名称获取“data”和“data2”中的数据。

目前我使用：

var data = 
    from 
     tr in doc.DocumentNode.Descendants("tr") 
    from 
     td in tr.ChildNodes.Where(x => x.Attributes["class"].Value == "name") 
    where 
     td.InnerText == "Test1" 
    select tr; 

，但我得到{"Object reference not set to an instance of an object."}当我尝试看看在data

Answer 1

至于你尝试，你有两个问题与您的代码：

1. ChildNodes是奇怪 - 这也返回空白文本节点，没有class属性（不能有属性，课程）。
2. 正如詹姆斯沃尔福德所评论的那样，文本周围的空间很重要，你可能想要修剪它们。

有了这两个更正，以下工作：

var data = 
     from tr in doc.DocumentNode.Descendants("tr") 
     from td in tr.Descendants("td").Where(x => x.Attributes["class"].Value == "name") 
    where td.InnerText.Trim() == "Test1" 
    select tr; 

Answer 2

这里有一个方法 - 首先分析所有的数据到数据结构，然后读取它。这是一个有点乱，当然需要更多的验证，但这里有云：

HtmlWeb hw = new HtmlWeb(); 
HtmlDocument doc = hw.Load("http://jsbin.com/ezuge4"); 
HtmlNodeCollection nodes = doc.DocumentNode 
           .SelectNodes("//table[@id='MyTable']//tr"); 
var data = nodes.Select(
    node => node.Descendants("td") 
     .ToDictionary(descendant => descendant.Attributes["class"].Value, 
         descendant => descendant.InnerText.Trim()) 
     ).ToDictionary(dict => dict["name"]); 
string test1Data = data["Test1"]["data"]; 

在这里，我把每一个<tr>的字典，其中类的<td>的是键和文字是一个值。接下来，我将字典列表变成字典字典（提示 - 抽象的），其中name的每个是关键。

Answer 3

代替

td.InnerText == "Test1" 

尝试

td.InnerText == " Test1 " 

或

d.InnerText.Trim() == "Test1" 

Answer 4

这里是XPATH方式 - 嗯...大家似乎已经忘记了权力XPATH并专门对C＃XLINQ，集中这些天:-)

该函数获得与名称相关联的所有数据值：

public static IEnumerable<string> GetData(HtmlDocument document, string name) 
{ 
    return from HtmlNode node in 
     document.DocumentNode.SelectNodes("//td[@class='name' and contains(text(), '" + name + "')]/following-sibling::td") 
     select node.InnerText.Trim(); 
} 

例如，该代码将转储 '的Test2' 的数据：

HtmlDocument doc = new HtmlDocument(); 
    doc.Load(yourHtml); 

    foreach (string data in GetData(doc, "Test2")) 
    { 
     Console.WriteLine(data); 
    } 

Answer 5

我可以推荐以下两种方法之一：

http://htmlagilitypack.codeplex.com/，它将html转换为有效的xml，然后可以用OOTB Linq查询。

或者，

LINQ到HTML（http://www.superstarcoders.com/linq-to-html.aspx），它虽然没有在CodePlex上维持（这是一个暗示，基思），给人的功能从跳板合理的工作组。