使用Htmlagilitypack和Linq-XML提取整个表

时间:2013-11-04 08:53:23

标签: c# xml linq parsing html-agility-pack

我在这里发现了一段帖子的代码片段。因为我是C#的初学者,我有点迷失。

我正在尝试从表中提取所有单元格并将它们写入看起来像这样的XML文件

<?xml version="1.0" encoding="utf-8"?>
<Stats Date="11/4/2013">
  <Player Rank="1">
    <Name>P.K. Subban</Name>
    <Team>MTL</Team>
    <Pos>D</Pos>
    <GP>15</GP>
    <G>3</G>
    <A>11</A>
    <Pts>14</Pts>
    <PlusMinus>+2</PlusMinus>
    <PIM>16</PIM>
    <PP>2</PP>
    <SH>0</SH>
    <GW>0</GW>
    <OT>0</OT>
    <Shots>47</Shots>
    <ShotPctg>6.4</ShotPctg>
    <TOIPerGame>24:29</TOIPerGame>
    <ShiftsPerGame>27.3</ShiftsPerGame>
    <FOWinPctg>0.0</FOWinPctg>
  </Player>
</Stats>

我的问题是我不知道如何循环遍历25行19列的整个表格。我只能从整个表中提取1行。

这就是我所拥有的(我已经采用了片段并修改了elementNames和Xpath

public void ParseHtml()
        {
            var htmlDoc = new HtmlDocument();
            htmlDoc.LoadHtml(Source);


            var cells = htmlDoc.DocumentNode
                                                   .SelectNodes("//table[@class='data stats']/tbody/tr/td")
                                                   .Select(node => node.InnerText.Trim())
                                                   .ToList();

            var elementNames = new[] { "Name", "Team", "Pos", "GP", "G", "A", "Pts", "PlusMinus", "PIM", "PP", "SH", "GW", "OT", "Shots", "ShotPctg", "TOIPerGame", "ShiftsPerGame", "FOWinPctg" };
            var xmlDoc = new XElement("Stats", new XAttribute("Date", DateTime.Now.ToShortDateString()),
                    new XElement("Player", new XAttribute("Rank", cells.First()),
                        cells.Skip(1)
                             .Zip(elementNames, (Value, Name) => new XElement(Name, Value))
                             .Where(element => !String.IsNullOrEmpty(element.Value))
                    )
                );
            xmlDoc.Save("parsed.xml");
        }

我尝试过的事情: 改变

var cells = htmlDoc.DocumentNode
.SelectNodes("//table[@class='data stats']/tbody/tr/td")
.Select(node => node.InnerText.Trim())
.ToList();

foreach (HtmlNode cells in htmlDoc.DocumentNode
    .SelectNodes("//table[@class='data stats']/tbody/tr/td")
    .Select(node => node.InnerText.Trim())
    .ToList() )
{
var elementNames....
..
...

通过此更改,我得不到任何值,xml节点减少到2。 谁能帮我吗?我已经尝试了3天来解决这个问题。

编辑: HTML源文件:http://www.nhl.com/ice/playerstats.htm?season=20132014&gameType=2&team=BUF&position=S&country=&status=&viewName=summary

1 个答案:

答案 0 :(得分:1)

试试这个:

// ...
var xmlDoc = new XElement("Stats",
    new XAttribute("Date", DateTime.Now.ToShortDateString()));
XElement iteratingElement = null;
var length = elementNames.Length + 1;
for (int i = 0; i < cells.Count; i++)
{
    if (i % ((i == 0) ? 1 : length) == 0)
    {
        iteratingElement = new XElement("Player",
            new XAttribute("Rank", cells[i]));
        xmlDoc.Add(iteratingElement);
    }
    else
    {
        iteratingElement
            .Add(new XElement(elementNames[(i % length) - 1], cells[i]));
    }
}
xmlDoc.Save("parsed.xml");