Question

我在webscraper中遇到问题，基本上我需要在单元格team_a_col home内获取十进制数字：

<th>Med. goal subiti p/p</th>
<td class='team_a_col total'>0.76</td>
<td class='team_a_col home'>0.89
<td class='team_a_col away'>0.62</td></td>

所以结果应该是：0.89

但是你可以看到html结构不正确，所以我没有得到0.89，而是使用以下代码获得team_a_col away的内容：

node.SelectSingleNode(".//td[@class='team_a_col home']").InnerText.Trim();

我怎么才能得到0.89？ </td>应该在<team_a_col away之前。

Answer 1

您应该将HtmlDocument.FixNestedTags设置为true：

string html = "<th>Med. goal subiti p/p</th><td class='team_a_col total'>0.76</td><td class='team_a_col home'>0.89<td class='team_a_col away'>0.62</td></td>";

var doc = new HtmlAgilityPack.HtmlDocument
{
    OptionFixNestedTags = true,
    OptionCheckSyntax = true,
    OptionAutoCloseOnEnd = true
};
doc.LoadHtml(html);

string tdText = doc.DocumentNode.SelectSingleNode(".//td[@class='team_a_col home']")?.InnerText.Trim();

使用FixNestedTags，结果为：0.89

Answer 2

你可以拿整行然后子串并获取数据吗？

var node = doc.DocumentNode.SelectNodes("//htmlelment/htmlelment");

string[] nodeArray = node[0].OuterHtml.Split(' ');

如何使用HtmlAgilityPack清理html？

2 个答案: