Question

我想要实现的是使用以http：//，https：//或/开头的href属性提取所有链接。这些链接位于具有特定类的表（tbody＆gt; tr＆gt; td等）内。我以为我可以只指定一个没有完整路径的元素，但它似乎不起作用。我在选择链接的行中得到NullReferenceException：

var table = doc.DocumentNode.SelectSingleNode("//table[@class='containerTable']");
if (table != null)
{
    foreach (HtmlNode item in table.SelectNodes("a[starts-with(@href, 'https://')]"))
    {
        //not working

在XPath方面，我不知道任何建议或最佳做法。当我两次查询文档时，是否会产生开销？

Answer 1

使用：

//tbody/descendant::a[starts-with(@href,'https://') or starts-with(@href,'http://') or starts-with(@href,'./') ]

您仍然会遇到问题，除非您更正了代码以反映XmlNode.SelectNodes()实例方法的返回类型为XmlNodeList，而不是{{ 1}}。

Answer 2

问题在于您正在选择表格，然后立即尝试选择锚点，就好像它们是直接的死者一样。中间有tr和td个标签。

因此，如果您将xpath更改为以下内容，那么事情应该有效：

"tbody/tr/td/a[starts-with(@href, 'https://')]"

如果您的锚点被其他东西包裹起来，这将无效，因此您可以在当前节点集（即表格）中选择所有锚点：

"//a[starts-with(@href, 'https://')]"

有关xpath语法的更多详细信息，请参阅this。

使用XPath（和HtmlAgilityPack）从Html表中选择所有链接

2 个答案: