Question

我正在使用HTMLAgility包从HTML页面获取有关文章的信息。我能够在整个文档中找到我想要的东西，但由于某种原因，无论我做什么，我都找不到PageMap对象。我创建了一个测试文档，仅隔离了PageMap，但仍然没有运气。

这是测试HTML：

<html>
    <head>

        <PageMap>
            <DataObject type="document">
                <Attribute name="article_title">Test Title</Attribute>
                <Attribute name="article_publication_name">Test Publication Name</Attribute>
                <Attribute name="article_author">Test Authro | The Test</Attribute>
                <Attribute name="article_description">A test of test and test test test!</Attribute>
                <Attribute name="image_src">http://www.google.com</Attribute>
                <Attribute name="article_comments">0</Attribute>
                <Attribute name="article_date_original">10/31/2015</Attribute>
                <Attribute name="article_date_updated">10/31/2015</Attribute>
            </DataObject>
        </PageMap>


    </head>
    <body>
        test
    </body>
</html>

这是我正在使用的代码：

string strPageHTML = File.ReadAllText(@"test.htm");

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(strPageHTML);

HtmlNode htmnArticle = doc.DocumentNode.SelectSingleNode("//PageMap");
tbMessagePreview.Text = htmnArticle.InnerHtml;

live或test HTML都加载正常，但htmnArticle节点始终为null。任何建议将不胜感激。

Answer 1

使用//pagemap（HtmlAgilityPack将节点规范化为小写 - HTML Agility Pack Parsing With Upper & Lower Case Tags?）：

HtmlNode htmnArticle = doc.DocumentNode.SelectSingleNode("//pagemap");
tbMessagePreview.Text = htmnArticle.InnerHtml;

旁注：查看doc.DocumentNode.InnerHtml有助于了解节点的规范化方式。

HTMLAgility Pack无法找到PageMap标记

1 个答案: