Question

我有一个问题，我似乎无法在这里解决。让我说我有一些喜欢beneth的html，我想解析。所有这些html都在页面上的一个列表中。这些名字就像我写的例子一样重复自己。

<li class = "seperator"> a date </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>

<li class = "seperator"> a new date </li>
<li class = "lol"> some text </li>


<li class = "seperator"> a nother new date </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>

我确实设法使用htmlagility包来解析每个li对象的分离，并且几乎按照我想要的方式形成它。我的print atm看起来像这样：

"a date"    "some text"
"some text"
"some text"
"some text"

"a new date"  "some text"

"a nother new date "    "some text"
"some text"
"some text"

我想要实现的目标：

"a date"    "some text"
"a date"    "some text"
"a date"    "some text"
"a date"    "some text"

"a new date"    "some text"

"a nother new date "    "some text"
"a nother new date "    "some text"
"a nother new date "    "some text"

但问题是在每个分隔符下面，每个lol对象的数量可能会有所不同。所以有一天，网页可能有一个lol对象beneth日期1，第二天它可能有10个lol对象。所以我想知道是否有一种聪明/简单的方法以某种方式计算分隔符之间的lol对象的数量。或者，如果有另一种方法来解决这个问题？例如htmlagilitypack。是的，我需要在每个lol对象前面的正确日期，而不仅仅是在第一个对象面前。如果分离器类会在最后一个lol对象下面结束，这本来就是一块蛋糕，但遗憾的是情况并非如此......我不认为我需要在这里粘贴我的代码，但基本上我做的是解析页面，提取分隔符和lol对象，并将它们添加到列表中，然后将其拆分为分隔符和lol对象。然后我将它打印到一个文件，因为分隔符只出现3次（在示例中）我将只出3个单独的日期。

Answer 1

这是计划，选择所有seperator元素，然后找到具有所需类的所有连续兄弟元素。

不幸的是，在当前版本的HTML Agility Pack中没有简单的方法来获取兄弟姐妹的集合，您只能访问（下一个）兄弟姐妹。很难使用LINQ从链接结构中收集数据。由于HTML中没有真正的层次结构，这将是一个挑战。

如果您有XPath可用，则可以使用following-sibling轴将所有后续兄弟元素与TakeWhile()方法结合使用，以执行以下操作：

var htmlStr = @"<li class = ""seperator""> a date </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>

<li class = ""seperator""> a new date </li>
<li class = ""lol""> some text </li>


<li class = ""seperator""> a nother new date </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>";

var doc = new HtmlDocument();
doc.LoadHtml(htmlStr);
var data =
    from li in doc.DocumentNode.SelectNodes("li[@class='seperator']")
    select new
    {
        Separator = li.InnerText,
        Content = li.SelectNodes("following-sibling::li")
            .TakeWhile(sli => sli.Attributes["class"].Value == "lol")
            .Select(sli => sli.InnerText)
            .ToList(),
    };

否则，如果您没有可用的XPath，则可以使用以下内容从任何链接结构创建可枚举：

public static class Extensions
{
    public static IEnumerable<TSource> ToLinkedEnumerable<TSource>(
        this TSource source,
        Func<TSource, TSource> nextSelector,
        Func<TSource, bool> predicate)
    {
        for (TSource current = nextSelector(source);
                predicate(current);
                current = nextSelector(current))
            yield return current;
    }

    public static IEnumerable<TSource> ToLinkedEnumerable<TSource>(
        this TSource source, Func<TSource, TSource> nextSelector)
        where TSource : class
    {
        return ToLinkedEnumerable(source, nextSelector, src => src != null);
    }
}

然后您的查询现在变为：

var data =
    from li in doc.DocumentNode.Elements("li")
    where li.Attributes["class"].Value == "seperator"
    select new
    {
        Separator = li.InnerText,
        Content = li.ToLinkedEnumerable(sli => sli.NextSibling)
            .Where(sli => sli.Name == "li")
            .TakeWhile(sli => sli.Attributes["class"].Value == "lol")
            .Select(sli => sli.InnerText)
            .ToList(),
    };

重复一个只出现几次并且与htmlagilitypack c＃具有不同值的对象。

1 个答案: