C# HTMLNode 正确获取 div 的innerText

Question

我正在尝试正确提取我从网站获取的 div 列表的 innerText。

这是我想出的，但仍然有点错误，因为它错过了空格和 - 符号。

var first = mainmenuTitles[x].Descendants("div").FirstOrDefault(o => o.GetAttributeValue("class", "") == "left").Elements("a").ToList();
string final = "";
foreach (var countfirst in first)
   {
       final += countfirst.InnerText;
   }
Console.WriteLine("Tittle: " + final);

这是 html 代码的样子

<div class="row row-tall mt4"> 
    <div class="clear"> 
    <div class="left"> 
    <a href="/soccer/italy/">
        <strong>Italy</strong>
    </a>
    - 
    <a href="/soccer/italy/lega-pro-group-b/">Serie C:: group B</a> 
</div> <div class="right fs11"> March 31 </div> </div> </div>

我想得到的文字应该是这样的 -> 意大利 - 意甲：B 组

我不是 html 大师，所以如果它太简单而我错过了，请原谅我。

Answer 1

您可以编写查询以使用 xpath //div/a查找所有节点，然后连接内部文本以获取您要查找的文本。 确保修剪文本以去除多余的空格并返回。

Console.WriteLine(string.Join(" - ", doc.DocumentNode.SelectNodes("//div/a").Select(x => x.InnerText.Trim())));

输出：

Italy - Serie C:: group B

旁注……您也可以使用不同的查询来确保通过使用类名来获得正确的 div。 例如.SelectNodes("//div[@class='row row-tall mt4']/a"); . 这将为您提供该 div 下的所有<a>标签。