Question

我正在尝试从WEBPAGE中获取数据，<DIV>特定类<DIV class="personal_info">它有10个类似的<DIV> S并且具有相同的类“Personal_info”（如HTML代码所示）现在我想在每个网页中提取所有类别为10-15的Class personal_info的DIV。

<div class="personal_info"><span class="bold">Rama Anand</span><br><br> Mobile: 9916184586<br>rama_asset@hotmail.com<br> Bangalore</div>

做必要的我开始使用HTML AGILE PACK，正如堆栈溢出中的某些人所建议的那样我一开始就陷入了HtmlAgilePack缺乏知识的自我bcoz我的C＃代码就像这样

HtmlAgilityPack.HtmlDocument docHtml = new HtmlAgilityPack.HtmlDocument();
        HtmlAgilityPack.HtmlWeb docHFile = new HtmlWeb();

        docHtml = docHFile.Load("http://127.0.0.1/2.html");

然后如何进一步编码，以便可以抓取类别为“personal_info”的DIV数据...建议用例子表示赞赏

Answer 1

我现在无法检查，但不是：

var infos = from info in docHtml.DocumentNode.SelectNodes("//div[@class='personal_info']") select info;

Answer 2

要加载网址，您可以执行以下操作：

 var document = new HtmlAgilityPack.HtmlDocument(); 
 var url = "http://www.google.com";
 var request = (HttpWebRequest)WebRequest.Create(url);
 using (var responseStream =  request.GetResponse().GetResponseStream())
 {
   document.Load(responseStream, Encoding.UTF8);
 }

另请注意，有一个fork允许您在agility pack中使用jquery选择器。

IEnumerable<HtmlNode> myList = document.QuerySelectorAll(".personal_info");

http://yosi-havia.blogspot.com/2010/10/using-jquery-selectors-on-server-sidec.html

Answer 3

Where在哪里发生了什么？

node.DescendantNodes().Where(node_it => node_it.Name=="div");

如果你想要top node（root）你使用page.DocumentNode作为“node”。

HtmlAgilityPack - 如何在大型网页中抓取<div>数据</div>

3 个答案: