HTML敏捷包

Question

我想使用html敏捷包解析html表。 我想从表中只提取一些预定义的列数据。

但我是解析和html敏捷包的新手，我已经尝试但我不知道如何使用html敏捷包来满足我的需求。

如果有人知道的话，请尽可能给我示例

编辑：

如果我们只想提取决定的列名数据，是否可以解析html表？ 就像有4列名称，地址，phno和我想要只提取名称和地址数据。

Answer 1

在这里的讨论论坛中有一个例子。 向下滚动一下以查看表格答案。 我希望他们能提供更容易找到的更好的样品。

编辑：要从特定列中提取数据，您必须首先找到与所需列对应的<th>标记并记住它们的索引。 然后，您需要找到相同索引的<td>标记。 假设您知道列的索引，您可以执行以下操作：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://somewhere.com");
HtmlNode table = doc.DocumentNode.SelectSingleNode("//table");
foreach (var row in table.SelectNodes("//tr"))
{
    HtmlNode addressNode = row.SelectSingleNode("td[2]");
    //do something with address here
    HtmlNode phoneNode = row.SelectSingleNode("td[5]");
    // do something with phone here
}

Edit2：如果你不知道列的索引，你可以像这样做。 我没有测试过这个。

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://somewhere.com");
var tables = doc.DocumentNode.SelectNodes("//table");

foreach(var table in tables)
{
    int addressIndex = -1;
    int phoneIndex = -1;
    var headers = table.SelectNodes("//th");
    for (int headerIndex = 0; headerIndex < headers.Count(); headerIndex++)
    {
        if (headers[headerIndex].InnerText == "address")
        {
            addressIndex = headerIndex;
        }
        else if (headers[headerIndex].InnerText == "phone")
        {
            phoneIndex = headerIndex;
        }
    }

    if (addressIndex != -1 && phoneIndex != -1)
    {
        foreach (var row in table.SelectNodes("//tr"))
        {
            HtmlNode addressNode = row.SelectSingleNode("td[addressIndex]");
            //do something with address here
            HtmlNode phoneNode = row.SelectSingleNode("td[phoneIndex]");
            // do something with phone here
        }
    }
}