Question

我正在使用html敏捷包并做了类似的事情

HtmlWeb web = new HtmlWeb();
 HtmlDocument doc = web.Load("http://test.com");

int count = doc.DocumentNode.SelectNodes("//img").Count();

我回来了38。

当我转到该页面并$('img').size();时，我会回复43。为什么会有区别？ "//img"只是在寻找根源吗？

这就是为什么我可能会错过一些？

Answer 1

是＆＃34; // img＆＃34;只是在寻找根源？

不寻找后代节点（当前节点的子节点，孙子节点等）。您的xpath表达式选择文档中的所有图像。

当我转到该页面并执行$（＆＃39; img＆＃39;）。size（）;我回来了43岁。

我的假设 - 一些图像是通过javascript动态创建的。 HtmlAgilityPack无法解决这个问题。

顺便说一句，对于http://test.com我有87个带有AgilityPack（doc.DocumentNode.SelectNodes("//img").Count()）的图像节点，以及来自Chome控制台（$('img').size()）的87个图像节点。

编辑：HtmlWeb.Load()方法在内部使用WebRequest类来获取数据。 AgilityPack的作用是正确解析数据。一些Web资源完全有可能为同一URI返回不同的内容，具体取决于User-Agent等其他请求标头。例如。可以通过User-Agent属性设置HtmlWeb.UserAgent标头。

为什么Html.AgilityPack会错过一些图片标签？

1 个答案: