Question

我无法在codeplex网站上找到HTMLAgilityPack的文档。目前我想要做的是访问亚马逊网站上的div，并抓取文本信息以便在WPF应用程序中使用。

var getWeb = new HtmlWeb();                     
var doc = getWeb.Load(uri);
HtmlNode ourNode = doc.DocumentNode.SelectSingleNode("//div[@id = 'zg_centerListWrapper']");

此div包含大约12个其他div，每个div都是best sellers类别中的项目。

为了访问每个人的属性似乎是艰苦的（我也不完全确定我是如何在第一眼看到的）。那么我应该使用DocumentNode.SelectNodes()吗？我将如何实现它？此外，我发现很难相信，经过这段时间后，HTMLAgilityPack还没有文件......也许我在寻找错误的地方，因为youtube似乎是我最好的来源。时刻。

Answer 1

实际上，SelectNodes()和SelectSingleNode()的参数是 xpath表达式，xpath版本1.0是准确的（参见xpath 1.0 spec here）。

XPath是另一项技术，它有自己的规范，文档和讨论。您通常可以搜索xpath教程或文章而不是HtmlAgilityPack（HAP）细节，以便更好地了解应该将哪种表达式传递给HAP以获取特定的HTML元素。

为了举例，假设你的HTML看起来像这样：

<div id="zg_centerListWrapper">
    <div>I want this</div>
    <div>..and this</div>
    <div>..and this one too</div>
</div>

看到您感兴趣的div是div[@id = 'zg_centerListWrapper']的直接孩子，然后您可以使用以下xpath来获取它们：

var xpath = "//div[@id = 'zg_centerListWrapper']/div";
HtmlNodeCollection ourNodes = doc.DocumentNode.SelectNodes(xpath);

Answer 2

您可以使用DocumentNode.Descendants("div")，然后使用

.Where(div => div.Attributes.Contains("class") && div.Attributes["class"].Value.Contains("best category"))

但是，文档肯定有帮助..

如何使用HTMLAgilityPack访问多个<div>标签的内容？

2 个答案: