2011-03-17 95 views
1

昨晚当我问起屏幕抓取时,我获得了一篇很好的文章链接,并且让我注意到了这一点。然而,我有几个问题。我将发布我的代码以及下面的html源代码。我试图抓住数据表之间的数据,然后将数据发送到一个sql表。我已经找到了成功抓取描述部件3.5 ect ...最后修改由乔然而,因为第1 2/tr还包含img src =/......“alt =”00721408“数字不抓住。我坚持要如何改变代码,以便抓取表中的所有数据。第二,为了准备将数据发送到sql表,我需要做什么。我的代码如下:HTMLAgility帮助屏幕抓取

using System; 
     using System.Collections.Generic; 
     using System.Linq; 
     using System.Text; 
     using HtmlAgilityPack; 
     using System.Windows.Forms; 

     namespace ConsoleApplication1 
     { 

     } 
     class Program 
     { 
      static void Main(string[] args) 
      { 
       // Load the html document 
       var webGet = new HtmlWeb(); 
       var doc = webGet.Load("http://localhost"); 

       // Get all tables in the document 
       HtmlNodeCollection tables = doc.DocumentNode.SelectNodes("//table"); 

       // Iterate all rows in the first table 
       HtmlNodeCollection rows = tables[0].SelectNodes(".//tr"); 
       for (int i = 0; i < rows.Count; ++i) 
       { 
        // Iterate all columns in this row 
        HtmlNodeCollection cols = rows[i].SelectNodes(".//td"); 
        for (int j = 0; j < cols.Count; ++j) 
        { 

         // Get the value of the column and print it 
         string value = cols[j].InnerText; 

         Console.WriteLine(value); 


        } 
       } 

      } 
     } 





<table class="data"> 




<tr><td>Part-Num</td><td width="50"></td><td><img src="/partcode/number/072140" alt="072140"/></td></tr> 




<tr><td>Manu-Number</td><td width="50"></td><td><img src="/partcode/manu/00721408" alt="00721408" /></td></tr> 

<tr><td>Description</td><td></td><td>Widget 3.5</td></tr> 



<tr><td>Manu-Country</td><td></td><td>United States</td></tr> 

<tr><td>Last Modified</td><td></td><td>26 Jan 2011, 8:08 PM</td></tr> 


<tr><td>Last Modified By</td><td></td><td> 
Manu 

</td></tr> 




</table> 



<p> 


</body></html> 

回答

0

虽然脆弱的像这样的工作,你的情况 - 基本上就是包括所有图像alt属性的文本内容:

// Iterate all rows in the first table 
HtmlNodeCollection rows = tables[0].SelectNodes(".//tr"); 
for (int i = 0; i < rows.Count; ++i) 
{ 
    // Iterate all columns in this row 
    HtmlNodeCollection cols = rows[i].SelectNodes(".//td"); 
    for (int j = 0; j < cols.Count; ++j) 
    { 
     var images = cols[j].SelectNodes("img"); 
     if(images!=null) 
      foreach (var image in images) 
      { 
       if(image.Attributes["alt"]!=null) 
        Console.WriteLine(image.Attributes["alt"].Value); 
      } 
     // Get the value of the column and print it 
     string value = cols[j].InnerText; 
     Console.WriteLine(value); 
    } 
} 
+0

谢谢我将使用这个想法 – JRB 2011-03-17 04:35:57

0

我很困惑豆蔻,以什么数据,你“重新尝试但获得...

你可以尝试:

的SelectNodes( “// TD [文本()= '说明'] /../孩子:: * [3]”)

,其内的文本应该是 “窗口小部件3.5”

的SelectNodes( “// TD [文本()= '马努国'] /../子:: * [3]”)

其内文应为“美国”

等等

顺便说一句,作为一个无耻的插件,你应该看看:systemhtml.codeplex.com 它是另一个html解析器。

+0

我会看看systemhtml。是的,你是正确的我想采取内部文本“小部件3.5美国等,并将其发送到一个SQL表格与字段说明,马努国家等。 – JRB 2011-03-17 03:12:23