Question

我正在尝试从维基百科网站上的表中搜索数据，到目前为止，我已经设法找到了我需要引用的节点。维基百科上的表格中有大量条目，但是，当我运行应用程序时，我只得到12个结果并且它们都是相同的。返回的所有结果都是表格中第一个条目的重复。

关于如何修复的任何想法？

protected async override void OnNavigatedTo(NavigationEventArgs e)
{
    base.OnNavigatedTo(e);
    string htmlPage = "";
    {
        htmlPage = await client.GetStringAsync("http://en.wikipedia.org/wiki/List_of_Games_with_Gold_games");
    }

HtmlDocument htmlDocument = new HtmlDocument();
htmlDocument.LoadHtml(htmlPage);

foreach (var div in htmlDocument.DocumentNode.SelectNodes(".//h2"))
{
    GameHistory newGameHistory = new GameHistory();
    newGameHistory.historyTitle = div.SelectSingleNode("//i//a").InnerText.Trim();
    newGameHistory.historyAdded = div.SelectSingleNode("//span[starts-with(@style, 'white')]").InnerText.Trim();
    newGameHistory.historyRemoved = div.SelectSingleNode("(//span[starts-with(@style, 'white')])[2]").InnerText.Trim();
    gameHistory.Add(newGameHistory);
    }
lstGameHistory.ItemsSource = gameHistory;
}

Answer 1

你的XPath不完全正确......

foreach (var div in htmlDocument.DocumentNode.SelectNodes(".//h2"))
{
    GameHistory newGameHistory = new GameHistory();
    newGameHistory.historyTitle = div.SelectSingleNode("//i//a").InnerText.Trim();
    newGameHistory.historyAdded = div.SelectSingleNode("//span[starts-with(@style, 'white')]").InnerText.Trim();
    newGameHistory.historyRemoved = div.SelectSingleNode("(//span[starts-with(@style, 'white')])[2]").InnerText.Trim();
    gameHistory.Add(newGameHistory);
}

说“我有一个 h2 标签。让我在其中包含 a 标签的所有 i 标签，并确定 span 标签......与 h2 标签无关。让我们继续在整个文档中获得第一。“ （这就是双斜杠的意思）。

你得到12个结果，因为那是 h2 标签的数量。

在任何情况下，即使您专门使用 h2 标记作为参考，它似乎与行有很大关系，看着它！

所以你需要的是获得一个XPath，它将获得正确表的每一行（在本例中为表）。然后，对于每一行，您的XPath应以“。”开头。（自我），这样你就不会再回到文档的根目录了。

此外，有几款游戏没有“已移除”列，因此您也应该处理它。

Voila我的代码：

    foreach (var div in htmlDocument.DocumentNode.SelectNodes("//table[@class='wikitable sortable']/tr[td/i/a]"))
    {
        GameHistory newGameHistory = new GameHistory();
        newGameHistory.historyTitle = div.SelectSingleNode(".//i//a").InnerText.Trim();
        newGameHistory.historyAdded = div.SelectSingleNode(".//span[starts-with(@style, 'white')]").InnerText.Trim();
        newGameHistory.historyRemoved = div.SelectSingleNode("(.//span[starts-with(@style, 'white')])[2]") != null? div.SelectSingleNode("(.//span[starts-with(@style, 'white')])[2]").InnerText.Trim() : string.Empty;
        gameHistory.Add(newGameHistory);
    }

提示：要获得标题，在foreach循环内部（从 tr 开始），你上去一次（..）转到 table 标签，然后，要获取h2，它是 table 之前的标记，请使用previous-sibling。

所以XPath将是"../preceding-sibling::h2"。似乎h2会捕获一些其他角色，所以你必须进一步优化你的XPath。

使用Htmlagilitypack从维基百科中搜集数据

1 个答案: