我要抓取此页面:https://www.g2crowd.com/products/google-analytics/reviews(出于我自己的教育目的)
// @nuget: HtmlAgilityPack
using System;
using HtmlAgilityPack;
public class Program
{
public static void Main()
{
HtmlWeb web = new HtmlWeb();
HtmlDocument html = web.Load("https://www.g2crowd.com/products/google-analytics/reviews");
var textNodes = html.DocumentNode.SelectNodes("//h3[contains(@class,'review-list-heading')]");
if (textNodes != null)
foreach (var t in textNodes)
Console.WriteLine(t.InnerText);
}
}
到目前为止,这就是我的意思,这使每条评论的标题都完美。但是,我将如何在标题和审阅主体中寻找一个新的标题-明确指出每个审阅都是独立的?
评论“正文”(含义文字)为:
//*[@id="pjax-container"]/div[2]/div[2]/div[6]/div[3]/div/div/div[2]/div[2]/div/div
在xpath中。
或以纯HTML格式<div itemprop="reviewBody">
。
这是我目前拥有的{@ 3}}
请问我是否不够清楚。
答案 0 :(得分:0)
选择父容器<div class="mb-2 border-bottom">
,然后选择子容器
// @nuget: HtmlAgilityPack
using System;
using HtmlAgilityPack;
public class Program
{
public static void Main()
{
HtmlWeb web = new HtmlWeb();
HtmlDocument html = web.Load("https://www.g2crowd.com/products/google-analytics/reviews");
var divNodes = html.DocumentNode.SelectNodes("//div[@class='mb-2 border-bottom']");
if (divNodes != null)
{
foreach (var child in divNodes)
{
var allowedTags = child.SelectNodes(".//h3 | .//h5 | .//p");
foreach (var tag in allowedTags)
Console.WriteLine(tag.InnerText);
Console.WriteLine("======================================");
}
}
}
}