我有以下要解析的HTML代码:
<h3 class='bar'>
<a href='http://anysite.com/index.php?showuser=7195' title='Profile view'>THIS_IS_USERNAME</a>
<a href='http://anysite.com/index.php?showuser=7195&f=' class='__user __id7195' title='Profile view'>
<img src='http://anysite.com/public/style_images/car/user_popup.png' alt='' />
</a>
</h3>
我需要的是选择用户名(“THIS_IS_USERNAME”)和个人资料的链接(“http://anysite.com/index.php?showuser=7195”)
我可以使用下一个代码选择顶级h3节点:
List<HtmlNode> resultSearch = HTMLPage.DocumentNode.Descendants()
.Where(
x => x.Name.Equals("h3")
&& x.Attributes["class"] != null
&& x.Attributes["class"].Value.Equals("bar")
)
.ToList();
但是我怎么能得不到“h3”节点本身,而是“a”里面的“h3”这个属性链接包含用户名和我需要的个人资料链接?
答案 0 :(得分:1)
您可以直接查询链接节点,它与标题属性非常不同。
在这种情况下,使用XPath可能更简单,因为它处理所有中间空检查,并且它就像类型安全一样,因为你的Linq查询将有很多常量字符串:
var node = HTMLPage.DocumentNode.SelectSingleNode("//hr[@class='Bar']/a[@title='Profile View' and @href");
if (node != null)
{
string link = node.Attributes["href"].Value;
string username = node.InnerText;
}
您可以使用Linq语法编写类似的代码,它首先搜索链接标记,然后回溯以找到它的h3父级。这样你就不必检查中间空值;):
var node = HtmlPage.DocumentNode.Descendants("a")
.Where(a =>
a.Ascendants("h3")
.Any(h3 =>
h3.Attributes["class"] != null
&& a.Attributes["class"].Value == "bar"
)
)
.Where(a =>
a.Attributes["title"] != null
&& a.Attributes["title"].Value == "Profile View"
&& a.Attributes["href"] != null
)
.FirstOrDefault();
if (node != null)
{
string link = node.Attributes["href"].value;
string username = node.InnerText;
}
或者你可以使用它作为&#34; bar&#34;的第一个<a>
孩子的位置:
// the call to First() will throw an exception if the h3 isn't found.
// returning an empty HtmlNode will allow you to ignore that
var node = (HtmlPage.DocumentNode.Descendants("h3")
.FirstOrDefault( h =>
h3.Attributes["class"] != null
&& a.Attributes["class"].Value == "bar")
) ?? HtmlPage.CreateElement("h3"))
.Elements("a").FirstOrDefault();
if (node != null)
{
string link = node.Attributes["href"].value;
string username = node.InnerText;
}