Question

我正在使用HtmlAgilityPack抓取一些数据。

HTML看起来像这样：

<div id="id-here">
  <dl>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
  </dl>
</div>

现在我遇到的问题是并不总是有一定数量的字段，因此我无法可靠地访问每个字段，如：

//*[@id="id-here"]/dl[1]/dd[1]

因为dd [1]可能是一个页面上的名称，另一个是用户未能填写姓名的电话，因此隐藏了字段。

所以我抓住所有DT和DD节点，如下所示：

//*[@id="id-here"]/dl[1]/dt | //*[@id="id-here"]/dl[1]/dd

现在我检查每个节点以查看它是否与我想要的字段匹配，并采用NextSibling值，如下所示：

    foreach (HtmlNode node in details)
    {
        if (node.InnerText.Contains("Tel:")) telephone = node.NextSibling.InnerText;
        if (node.InnerText.Contains("Email:")) email = node.NextSibling.InnerText;
    }

这适用于电话，但出于某种原因，当电子邮件：＆＃34;节点出现，NextSibling.InnerHTML＆amp; NextSibling.InnerText是空白的，尽管下一个兄弟肯定有数据。如果我实际转到node中的details并查看它，则InnerHTML是整个格式化链接，InnerText是电子邮件地址。

NextSibling.InnerText无法正常工作，因为A标签使其成为儿童或其他什么东西？我查看了调试器，但无法在NextSibling下找到我需要的信息。

我确信答案非常简单，我只是无法弄明白。有人让我摆脱了苦难吗？

Answer 1

发生这种情况的原因是，如果node是dt元素，并且通过某个空格与其对应的dd元素分开，则node.NextSibling是全部 - 空白文本节点（</dt>和<dd>之间的空格）。如果您在调试器中查看它，您会看到node.NextSibling的{{1}}是NodeType而不是HtmlNodeType.Text。

我建议创建一个方便的方法来获取HtmlNodeType.Element节点对应dt的文本：

dd

然后你可以像这样使用它：

internal static string GetMatchingDdValue(HtmlNode dtNode)
{
    var found = dtNode.SelectSingleNode("following-sibling::*[1][self::dd]");
    return found == null ? "" : found.InnerText;
}

以上是我上述方法中使用的有点棘手的XPath的细分：

if (node.InnerText.Contains("Tel:")) { telephone = GetMatchingDdValue(node); }

^选择共享相同的所有元素 parent作为当前节点，并在它之后发生。

(a) following-sibling::*

^选择集合中的第一个节点（a）（如果有的话）

(b) following-sibling::*[1]

^选择集合（b）中的所有节点是名为“dd”的元素

(c) following-sibling::*[1][self::dd]选择集合（c）中的第一个节点，该节点应始终为1或0个节点。

您很可能只使用SelectSingleNode()或following-sibling::dd，但上述路径包含保护措施。例如，如果由于某种原因，您拥有以下XML并且您当前的节点是following-sibling::*元素：

Tel:

<dl> <dt>Tel:</dt> <dt>Address:</dt> <dd>50 Fake St.</dd> </dl>会给你结果“50 Fake St.”，而following-sibling::dd会给你结果“地址：”。相反，在这种情况下，following-sibling::*会选择一个空节点集，因此该方法会正确生成一个空字符串作为结果。

Answer 2

var html = @"
<div id='id-here'>
  <dl>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
  </dl>
</div>";
html = new Regex(">\r\n\\s*<").Replace(html,"><");
var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);
Console.Write(doc.DocumentNode.SelectNodes("//dt")[0].NextSibling.OuterHtml);

<dd> Value for above field name </dd>

HtmlAgilityPack NextSibling.InnerText值为空

2 个答案: