Question

我在C＃中编写简单的屏幕抓取程序，为此我需要选择所有输入放在一个名为＆＃34; aspnetForm＆＃34;的单个表单中（有两个表单）页面，我不想要来自另一个的输入），并且此表单中的所有输入都放在不同的表格中，或者只是在此表单的第一个子级别。

所以我编写了非常简单的XPath查询：

//form[@id='aspnetForm']//input

它在我测试的所有浏览器（Chrome，IE，Firefox）中按预期工作 - 它返回我想要的内容。

但是在HTMLAgilityPack中根本不起作用 - SelectNodes总是返回NULL。

我为测试编写的查询工作正常，但不是我想要的返回。首先选择所有作为我的表单的第一个孩子的输入，然后选择返回的形式：

//form[@id='aspnetForm']/input
//form[@id='aspnetForm']

是的，我知道我可以枚举上次查询中的节点，或者在其上创建另一个SelectNode的结果，但我真的不想这样做。我想在浏览器中使用相同的查询。

HTMLAgilityPack中的XPath目前是否已损坏？ C＃有任何替代的XPath实现吗？

更新：测试代码：

using HtmlAgilityPack;
using Microsoft.VisualStudio.TestTools.UnitTesting;

namespace HtmlAGPTests
{
    [TestClass]
    public class XPathTests
    {
        private const string html =
                "<form id=\"aspnetForm\">" +
                "<input name=\"first\" value=\"first\" />" +
                "<div>" +
                    "<input name=\"second\" value=\"second\" />" +
                "</div>" +
                "</form>";

        private static HtmlNode GetHtmlDocumentNode()
        {
            var document = new HtmlDocument();
            document.LoadHtml(html);
            return document.DocumentNode;
        }

        [TestMethod]
        public void TwoLevelXpathTest()     // fail - nodes is NULL actually.
        {
            var query = "//form[@id='aspnetForm']//input";  // what i want
            var documentNode = GetHtmlDocumentNode();

            var inputNodes = documentNode.SelectNodes(query);

            Assert.IsTrue(inputNodes.Count == 2);
        }

        [TestMethod]
        public void TwoSingleLevelXpathsTest()     // works
        {
            var formQuery = "//form[@id='aspnetForm']";
            var inputQuery = "//input";
            var documentNode = GetHtmlDocumentNode();

            var formNode = documentNode.SelectSingleNode(formQuery);
            var inputNodes = formNode.SelectNodes(inputQuery);

            Assert.IsTrue(inputNodes.Count == 2);
        }

        [TestMethod]
        public void SingleLevelXpathTest()     // works
        {
            var query = "//form[@id='aspnetForm']";
            var documentNode = GetHtmlDocumentNode();

            var formNode = documentNode.SelectSingleNode(query);

            Assert.IsNotNull(formNode);
        }

    }
}

Answer 1

您的测试中出现意外行为，因为html包含<form>元素。以下是相关讨论：

Ariman：＆＃34;我发现在解析任何节点后都没有任何子节点。应该在表单（，等）中的所有节点都是作为兄弟姐妹而不是孩子创建的。

VikciaR：＆＃34;在Html规范中，表单标签可以重叠，所以Htmlagilitypack处理这个节点有点不同......＆＃34;

[CodePlex discussion : No child nodes for FORM objects ]

根据 VikciaR 的建议，尝试修改您的测试代码初始化，如下所示：

private static HtmlNode GetHtmlDocumentNode()
{
    var document = new HtmlDocument();
    document.LoadHtml(html);

    //execute this line once
    HtmlNode.ElementsFlags.Remove("form");

    return document.DocumentNode;
}

旁注： inputQuery测试方法TwoSingleLevelXpathsTest()中的值应为.//input。注意开头的点（.）表示此查询是相对于当前节点的。否则它将从根目录进行搜索，忽略前一个formQuery（没有点，只要它不返回null，您就可以将formQuery更改为任何内容，inputQuery将总是返回相同的结果）。

HTMLAgilityPack中的XPath select不能按预期工作

1 个答案: