如何获取在 html 敏捷包中没有 class 或 id 的标签的值？

Question

我正在尝试获取此 a 标签的文本值：

<a href="item?id=22513425">67&nbsp;comments</a>

所以我试图从中得到'67'。 但是没有定义类或 id 的。

我已经做到了这一点：

        IEnumerable<HtmlNode> commentsNode = htmlDoc.DocumentNode.Descendants(0).Where(n => n.HasClass("subtext"));

        var storyComments = commentsNode.Select(n =>
            n.SelectSingleNode("//a[3]")).ToList();

这只会给我足够烦人的“评论”。

我不能使用 href id，因为有很多这些项目，所以我不能硬编码 href

我怎样才能提取数字？

Answer 1

只需使用@href 属性和专用字符串函数：

substring-before(//a[@href="item?id=22513425"],"comments")

返回 67。

编辑：由于您不能硬编码@href 的所有内容，也许您可​​以使用开始。 XPath 1.0 解决方案。

最短形式（+ 文本必须包含“评论”）：

substring-before(//a[starts-with(@href,"item?") and text()[contains(.,"comments")]],"c")

更具限制性（+ 文本必须以“评论”结尾）：

substring-before(//a[starts-with(@href,"item?")][substring(//a, string-length(//a) - string-length('comments')+1) = 'comments'],"c")

Answer 2

我正在使用ScrapySharp nuget，它在下面的示例中添加，（HtmlAgilityPack 可能提供相同的功能，我几年前才习惯 ScrapySharp）

    var doc = new HtmlDocument();
    doc.Load(@"C:\desktop\anchor.html"); //I created an html file with your <a> element as the body
    var anchor = doc.DocumentNode.CssSelect("a").FirstOrDefault();
    if (anchor == null) return;

    var digits = anchor.InnerText.ToCharArray().Where(c => Char.IsDigit(c));

    Console.WriteLine($"anchor text: {anchor.InnerText} - digits only: {new string(digits.ToArray())}");

输出：