Question

我正在尝试解析HTML文件中的一些数据，但我的Linq语句无效。这是XML / HTML。下面，如何从geo.position元标记中提取字符串“41.8; 12.23”？ THX !!

这是我的Linq

   String longLat = (String)
        from el in xdoc.Descendants()
              where
               (string)el.Name.LocalName == "meta"
               & el.FirstAttribute.Name == "geo.position"
                select (String) el.LastAttribute.Value;

这是我的Xdocument

<span>
  <!--CTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
        "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dt -->
  <html xmlns="http://www.w3.org/1999/xhtml">
    <head>
      <meta content="application/xhtml+xml; charset=utf-8" http-equiv="Content-Type" />
      <meta content="text/css" http-equiv="Content-Style-Type" />
      <meta name="geo.position" content="41.8;12.23" />
      <meta name="geo.placename" content="RomeFiumicino, Italy" />
      <title>RomeFiumicino, Italy</title>
    </head>
    <body />
  </html>
</span>

编辑：我给出的查询不返回任何内容。 “内部”查询似乎返回所有元元素的列表，而不仅仅是我想要的一个元素。

编辑：以下Linq查询针对同一个XDocument工作，以检索具有类名=“数据”的表

    var dataTable =
        from el in xdoc.Descendants()
        where (string)el.Attribute("class") == "data"
        select el;

Answer 1

span代码周围的html个？

你可以用XLinq做到这一点，但它只支持格式良好的XML。您可能希望查看HTML Agility Pack。

修改 - 这对我有用：

string xml = "...";
var geoPosition = XElement.Parse(xml).Descendants().
    Where(e => e.Name.LocalName == "meta" &&
        e.Attribute("name") != null &&
        e.Attribute("name").Value == "geo.position").
    Select(e => e.Attribute("content").Value).
    SingleOrDefault();

Answer 2

我敢打赌，您所遇到的问题来自于未使用XmlNamespaceManager正确引用命名空间。这有两种方法：

string xml =
        @"<span>
   <!--CTYPE html PUBLIC ""-//W3C//DTD XHTML 1.0 Transitional//EN""
        ""http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dt -->
   <html xmlns=""http://www.w3.org/1999/xhtml"">
    <head>
     <meta content=""application/xhtml+xml; charset=utf-8"" http-equiv=""Content-Type"" />
      <meta content=""text/css"" http-equiv=""Content-Style-Type"" />
      <meta name=""geo.position"" content=""41.8;12.23"" />
      <meta name=""geo.placename"" content=""RomeFiumicino, Italy"" />
      <title>RomeFiumicino, Italy</title>
    </head>
    <body />
   </html>
    </span>";

    string ns = "http://www.w3.org/1999/xhtml";
    XmlNamespaceManager nsm;

    // pre-Linq:
    XmlDocument d = new XmlDocument();
    d.LoadXml(xml);
    nsm = new XmlNamespaceManager(d.NameTable);
    nsm.AddNamespace("h", ns);

    Console.WriteLine(d.SelectSingleNode(
        "/span/h:html/h:head/h:meta[@name='geo.position']/@content", nsm).Value);

    // Linq - note that you have to create an XmlReader so that you can
    // use its NameTable in creating the XmlNamespaceManager:
    XmlReader xr = XmlReader.Create(new StringReader(xml));
    XDocument xd = XDocument.Load(xr);
    nsm = new XmlNamespaceManager(xr.NameTable);
    nsm.AddNamespace("h", ns);

    Console.WriteLine(
        xd.XPathSelectElement("/span/h:html/h:head/h:meta[@name='geo.position']", nsm)
            .Attribute("content").Value);

Answer 3

我同意Thorarin - 使用HTML Agility包，它更强大。

但是，我怀疑你使用LinqToXML的问题是因为命名空间。有关如何在查询中处理它们的信息，请参阅MSDN here。

“如果您具有默认命名空间中的XML，则仍必须声明XNamespace变量，并将其与本地名称组合以生成要在查询中使用的限定名称。

查询XML树时最常见的问题之一是，如果XML树具有默认命名空间，开发人员有时会将查询编写为XML不在命名空间中。“

如何使用Linq从XML / HTML中提取元标记？

3 个答案: