使用HtmlAgilityPack解析C＃中的網頁信息

Question

我正在嘗試使用HtmlAgilityPack來解析網頁信息。 這是我的代碼：

using System;
using HtmlAgilityPack;

namespace htmparsing
{
    class MainClass
    {
        public static void Main (string[] args)
        {
            string url = "https://bugs.eclipse.org";
            HtmlWeb web = new HtmlWeb();
            HtmlDocument doc = web.Load(url);
            foreach(HtmlNode node in doc){
                //do something here with "node"
            }               
        }
    }
}

但是當我嘗試訪問doc.DocumentElement.SelectNodes我無法在列表中看到DocumentElement 。 我在引用中添加了HtmlAgilityPack.dll，但我不知道是什么問題。

Answer 1

我有一篇文章演示了使用ASP.NET使用HAP（HTML Agility Pack）抓取DOM元素。 它只是讓您逐步完成整個過程。 你可以看看並嘗試一下。

在ASP.NET中使用HtmlAgilityPack（HAP）刮取HTML DOM元素

關於你的過程它對我來說很好。 我嘗試過這種方式就像你做了一次改變一樣。

string url = "https://www.google.com";
HtmlWeb web = new HtmlWeb();
HtmlDocument doc = web.Load(url);
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//a")) 
{
    outputLabel.Text += node.InnerHtml;
}

得到了預期的輸出。 問題是你是從的HTMLDocument對象實際上應該是DocumentNode要求DocumentElement。 以下是HTMLAgilityPack開發人員對您遇到的問題的回復 。

HTMLDocument.DocumentElement不在對象瀏覽器中

Answer 2

你看到的行為是正確的。

看看你實際在做什么： http ： //htmlagilitypack.codeplex.com/SourceControl/latest#Release/1_4_0/HtmlAgilityPack/HtmlNode.cs 。

您要求頂部元素選擇與某個xpath匹配的節點。 除非你的xpath表達式以//開頭，否則你要求它為相關節點，它們是后代節點。 文檔元素本身不是后代，因為沒有元素是其自身的后代。