Question

我正在尝试使用XPath获取单个节点，但我在节点上获得空值，并且知道为什么

        WebClient wc = new WebClient();
        string nodeValue;
        string htmlCode = wc.DownloadString("http://www.freeproxylists.net/fr/?c=&pt=&pr=&a%5B%5D=0&a%5B%5D=1&a%5B%5D=2&u=50");
        HtmlAgilityPack.HtmlDocument html = new HtmlAgilityPack.HtmlDocument();
        html.LoadHtml(htmlCode);
        HtmlNode node = html.DocumentNode.SelectSingleNode("//table[@class='DataGrid']/tbody/tr[@class='Odd']/td/a");
        nodeValue = (node.InnerHtml);

Answer 1

我发现你的xpath中至少有2个错误，而你试图从中获取信息。

没有＆lt; a＆gt;有＆lt; tr class = Odd“＆gt;作为祖先。
即使你的Xpath有效，你也只能得到一个＆lt; td＆gt;因为你决定使用SelectSingleNode而不是SelectNodes

看起来它正在对你正在尝试做的事情做一些懒惰的保护。由于a-tag只是用IPDecode中的十六进制表示。所以提取链接真的没问题。但至少你可以做的是在发布之前查看html。你显然没有尝试过。由于您从当前代码获取的html不是＆lt; body＆gt;你给我们的链接 - 意味着你必须从绝对网址获取htmlpage或只是使用Selenium。

但是，由于我是一个如此膨胀的家伙，我将使用 Xpath，Html Agility Pack和Selenium 为您制作完整的解决方案。以下解决方案获取该网站的HTML。然后只读取＆lt; tr＆gt;有class =“奇数”。之后，它找到所有“加密的”＆lt; a＆gt;。并将它们解码为一个字符串并将它们写入一个数组。之后，有一个如何从一个锚点获取属性值的小例子。

    private void HtmlParser(string url)
    {
        HtmlDocument htmlDoc = new HtmlAgilityPack.HtmlDocument();
        htmlDoc.OptionFixNestedTags=true;

        GetHTML(url);
        htmlDoc.Load("x.html", Encoding.ASCII, true);      

        HtmlNodeCollection nodes = htmlDoc.DocumentNode.SelectNodes("//table[@class='DataGrid']/descendant::*/tr[@class='Odd']/td/script");
        List<string> urls = new List<string>();

        foreach(HtmlNode x in nodes)
        {
            urls.Add(ConvertStringToUrl(x.InnerText));
        }

        Console.WriteLine(ReadingTheAnchor(urls[0]));
    }

    private string ConvertStringToUrl(string octUrl)
    {

        octUrl = octUrl.Replace("IPDecode(\"", "");
        octUrl = octUrl.Remove(octUrl.Length -2);
        octUrl = octUrl.Replace("%", "");
        string ascii = string.Empty;

        for (int i = 0; i < octUrl.Length; i += 2)
        {
            String hs = string.Empty;

            hs   = octUrl.Substring(i,2);
            uint decval =   System.Convert.ToUInt32(hs, 16);
            char character = System.Convert.ToChar(decval);
            ascii += character;

        }
        //Now you get the <a> containing the links. which all can be read as seperate html files containing just a <a>
        Console.WriteLine(ascii);
        return ascii;
    }

    private string ReadingTheAnchor(string anchor)
    {
        //returns url of anchor
        HtmlDocument anchorHtml = new HtmlAgilityPack.HtmlDocument();
        anchorHtml.LoadHtml(anchor);
        HtmlNode h = anchorHtml.DocumentNode.SelectSingleNode("a");
        return h.GetAttributeValue("href", "");
    }

    //using OpenQA.Selenium; using OpenQA.Selenium.Firefox;
    private void GetHTML(string url)
    {
        using (var driver = new FirefoxDriver())
        {
            driver.Navigate().GoToUrl(url);
            Console.Clear();
            System.IO.File.WriteAllText("x.html", driver.PageSource);
        }
    }

HtmlAgility Pack获取单个节点获取null值

1 个答案: