Question

我正在尝试从以下html文件中获取“NAME”和“EMAIL”文本：

<!DOCTYPE html>

<html lang="en" xmlns="http://www.w3.org/1999/xhtml">
<head>
    <meta charset="utf-8" />
    <title></title>
</head>
<body>
    <ol>
        <li>
            <font class="normal">
                <b>NAME</b> <a href="/member/mail_compose.aspx?id=name"><img src="/images/mailbox.gif" border="0" alt="Send Mail" /></a> <a href="/photos/member_viewphoto.aspx?id=name"><img src="/images/icons/member_photos.gif" border="0" alt="View  Photos" /></a> <br />
                ADDRESS<br />
                PHONE<br />
                <a href="mailto:email@hotmail.com" class="redlink">EMAIL</a><br />
                <br />
            </font>
        </li>
</body>
</html>

以下是我正在使用的代码：

// Load the xml document
XDocument xDoc = XDocument.Load(@"..\..\Directory.html");

// Parse document
var names = xDoc.Root.DescendantsAndSelf()
        .Where(x => x.Name.LocalName == "ol").DescendantsAndSelf()
        .Where(x => x.Name.LocalName == "li").DescendantsAndSelf()
        .Select(x => new
                        {
                            name = x.Elements().Where(y => y.Name.LocalName == "b").Select(y => y.Value),
                            email = x.DescendantsAndSelf().Where(y => y.Name.LocalName == "a" && x.FirstAttribute.Name == "href" && x.Attribute("href").Value.Contains("mailto")).Select(y => y.Value ?? "No Email")
                        }
        );

// Print text to console
for (int i = 0; i < names.Count(); i++)
{
    Console.WriteLine("{0}: {1}", names.ElementAt(i).name, names.ElementAt(i).email);
}

不知何故，上面的代码正在打印这个：

System.Linq.Enumerable + WhereSelectEnumerableIterator 2[System.Xml.Linq.XElement, System.String]: System.Linq.Enumerable+WhereSelectEnumerableIterator 2 [System.Xm l.Linq.XElement，System.String]

有人可以告诉我为什么会这样吗？此外，如果有更好的方法，建议将是非常受欢迎的。

Answer 1

不检查null（注意我使用的大多数地方FirstorDefault可能会抛出NullExceptions，因为我没有在解决方案中检查null。

var htmlToProcess = 
@"<!DOCTYPE html>
                                <html lang='en' xmlns='http://www.w3.org/1999/xhtml'>
                                <head>
                                    <meta charset='utf-8' />
                                    <title></title>
                                </head>
                                <body>
                                    <ol>
                                        <li>
                                            <font class='normal'>
                                                <b>NAME</b> <a href='/member/mail_compose.aspx?id=name'><img src='/images/mailbox.gif' border='0' alt='Send Mail' /></a> <a href='/photos/member_viewphoto.aspx?id=name'><img src='/images/icons/member_photos.gif' border='0' alt='View  Photos' /></a> <br />
                                                ADDRESS<br />
                                                PHONE<br />
                                                <a href='mailto:email@hotmail.com' class='redlink'>EMAIL</a><br />
                                                <br />
                                            </font>
                                        </li>
                                    </ol>
                                </body>
                                </html>";
        var body = dataSet1Tree.Nodes()
                               .OfType<XElement>()
                               .FirstOrDefault(x=> x.Name.LocalName.ToLower() =="body");

        if (body != null)
        {
            var oi = body.Descendants()
                         .FirstOrDefault(x => x.Name.LocalName.ToLower() == "ol");
            if (oi != null)
            {
                var lis = oi.Elements()
                            .Where(x=> x.Name.LocalName.ToLower()=="li");
                var listContainingInfo =from font in lis.Select(li => body.Descendants()
                                                                          .FirstOrDefault(x => x.Name.LocalName.ToLower() == "font"))
                                                        .Where(font => font != null) 
                                        select font.Nodes().OfType<XElement>();

                var listOfUsers = listContainingInfo.Select(nodes => new
                {
                    Name = nodes.FirstOrDefault(innerNode => innerNode.Name.LocalName.ToLower() == "b").Value,
                    Email = nodes.FirstOrDefault(innerNode => innerNode.Value == "EMAIL")
                                 .Attributes("href")
                                 .FirstOrDefault()
                                 .Value
                });

                foreach (var user in listOfUsers)
                    Console.WriteLine(user.Name +" "+ user.Email);


            }
        }

Answer 2

要回答您的第一个问题（对您来说可能比我必须使用该示例HTML的代码更重要），请选择。选择您的姓名和电子邮件字段。这就是为什么在循环名称时返回集合的原因。如果这实际上是您想要的，那么在创建匿名对象时执行SelectMany而不是Select。

如果没有架构，我就不知道如何在＆＃34;。选择＆＃34;

之前更好地进行XML遍历。

另一个问题是，对于href属性，您需要与FirstAttribute.Name.LocalName而不仅仅是FirstAttribute.Name进行比较

var names = xDoc.Root.DescendantsAndSelf()
                .Where(x => x.Name.LocalName == "ol").DescendantsAndSelf()
                .Where(x => x.Name.LocalName == "li").DescendantsAndSelf()
                .Where(x => x.Name.LocalName == "font")
                .Select(x => new
                {
                    name = x.Descendants().Where(y => y.Name.LocalName == "b").Select(y => y.Value).Single(),
                    email = x.Descendants().Where(y => y.Name.LocalName == "a" && y.FirstAttribute.Name.LocalName == "href" && y.Attribute("href").Value.Contains("mailto")).Select(y => y.Value).Single()
                });

一些说明：

y.Value ?? "No Email"

需要重做，因为y.Value永远不会为null
你也错过了html中的ol标签：）

如何使用XDocument和扩展方法从xml文档中获取内部文本

2 个答案: