HTML敏捷包 <pre> 标签

Question

我正在尝试使用C＃中的HTML Agility Pack抓取具有“ pre”标签的网站。 我可以找到很多“ table tr td”示例，但找不到任何“ pre”示例。 这是我的代码，带有内联格式的文本“ pre”。

private void PreformattedTextButton_Click(object sender, EventArgs e)
    {
        var url = @"http://www.thepredictiontracker.com/basepred.php";
        var data = new MyWebClient().DownloadString(url);
        var doc = new HtmlAgilityPack.HtmlDocument();
        doc.LoadHtml(data);

        //            m _        a _        e d     d d     d d     d l     n
        //e       h d       v r    1     2     3     4     5     6     2     s

        //  BAL D.BUNDY TAM C.ARCHER     7.5  7.48  8.08  7.00  5.58  4.70.     .    6.46
        //  CIN H.BAILEY ATL S.NEWCOMB    9.0  9.72 10.08 10.00 11.62 11.51.     .   10.73

        foreach (HtmlNode pre in doc.DocumentNode.SelectNodes("//pre"))
        {
            textBox1.Text += pre.InnerText + System.Environment.NewLine;
        }
    }

我想捕获看起来像第3行和第4行的行，然后忽略前面的行。

执行了foreach，但是它的pre.InnerText.Length为1642，它是预格式化文本的总和。 我想捕获一行数据。 例如3和4行。

Answer 1

根据定义， <pre>标记是预格式化的文本，因此您需要自己解析InnerText属性。 您上面提供的示例的格式是一致的，因此请将InnerText拆分为行的集合，然后使用Regex捕获所需的行。 经过测试和工作的代码示例：

var url = @"http://www.thepredictiontracker.com/basepred.php";
HtmlDocument doc = new HtmlWeb().Load(url);
var regexMatch = new Regex(
    @"^\s*[A-Z]{3}\s+[A-Z]\.[A-Z]+\s+[A-Z]{3}", 
    RegexOptions.Compiled
);
foreach (HtmlNode pre in doc.DocumentNode.SelectNodes("//pre"))
{
    foreach (var line in pre.InnerText.Split(new char[] { '\r', '\n' }))
    {
        if (regexMatch.IsMatch(line))
        {
            Console.WriteLine(line.Trim());
        }
    }
}