使用" Html Agility pack"选择特定的html;

时间:2014-05-23 10:31:32

标签: c# html-agility-pack

我正在使用html-agility-pack并尝试选择其中的特定html。 我想得到的部分是这些块中的每个GTIN编号:

<td><span class="mobile-only">GTIN:</span>07330155011068</td>

- 我想要的部分是结束span-tag之后的数字。例如:07330155011068。下面是我的HTML,我的c#-method:

<div class="table-wrapper" style='display: block;'>
    <table id="tableSearchArticle">
        <thead>
            <tr>
                <th><a href="#">Article</a></th>
                <th><a href="#">art.nr.</a></th>
                <th><a href="#">Brand</a></th>
                <th><a href="#">GTIN</a></th>
            </tr>
        </thead>
        <tbody>
            <tr>
                <td>
                    <a href="http://www.dabas.com/ProductSheet/Detail.ashx/121308" target="_blank">
                        Dalapannkaka fryst ca100st 6kg
                    </a>
                </td>
                <td><span class="mobile-only">Tillverkarens art.nr:</span>11068</td>
                <td><span class="mobile-only">Varumärke:</span>test</td>
                <td><span class="mobile-only">GTIN:</span>07330155011068</td>
            </tr>
            <tr>
                <td>
                    <a href="http://www.dabas.com/ProductSheet/Detail.ashx/124494" target="_blank">
                        Dessertpannkaka fryst ca100st 6kg
                    </a>
                </td>
                <td><span class="mobile-only">Tillverkarens art.nr:</span>11405</td>
                <td><span class="mobile-only">Varumärke:</span>test</td>
                <td><span class="mobile-only">GTIN:</span>07330155114059</td>
            </tr>
        </tbody>
    </table>

    </div>

我正在尝试使用此方法来获取我的值。问题是我不知道在SelectNode()中编写什么代码来获取包含GTIN数字的innerHtml。

public void TestGetHtml()
    {
        var doc = new HtmlDocument();
        doc.Load("C:/Users/Desktop/test.html");
        foreach (HtmlNode link in doc.DocumentNode.SelectNodes("TODO: Add code to select all GTIN"))
        {

        }
        doc.Save("file.htm");
    }

2 个答案:

答案 0 :(得分:2)

使用Xpath从表格主体中选择id为 tableSearchArticle 的第四个单元格。然后获取单元格的内部文本(它将没有html标签,如GTIN:07330155114059)并删除GTIN前缀:

var xpath = "//table[@id='tableSearchArticle']/tbody/tr/td[4]";
var gtins = doc.DocumentNode.SelectNodes(xpath)
               .Select(td => td.InnerText.Replace("GTIN:", ""));

输出:

[
  "07330155011068",
  "07330155114059"
]

答案 1 :(得分:1)

SelectNodes收到Xpath表达式。所以,你可以从这开始(未经测试):

foreach (HtmlNode tr in doc.DocumentNode.SelectNodes(
   "//div[@class='table-wrapper']/table[@id='tableSearchArticle']/tbody/tr"))
{
    Console.WriteLine(tr.InnerHtml);
    Console.WriteLine(tr.SelectSingleNode(".//a").GetAttribute("href"));
    Console.WriteLine(tr.SelectSingleNode(".//td[last()]").InnerText);
}