在C＃中解析供稿

Question

我在使用C#解析提要時遇到問題。

我無法讓提要的作者更改代碼，因此我必須處理它。

我試圖將提要直接作為URL傳遞到XmlDocument對象中，或者使用WebClient作為文本獲取它，對它進行修整以刪除由於某種原因似乎放在其前面的任何空間，然后使用LoadXML方法加載它。

您可以在此處查看供稿示例> http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml

我也無法超越

XmlDocument xmlDoc = new XmlDocument();
xmlDoc.Load(feedURL);

或帶一個字符串。

XmlDocument xmlDoc = new XmlDocument();
string feedAsString = "";
// get from web as string
var webClient = new WebClient();

// Tell them who we are for white listing
webClient.Headers.Add("user-agent", "Mozilla/5.0 (compatible; Job Feed Importer;)");

// fetch feed as string
var content = webClient.OpenRead(feedURL);
var contentReader = new StreamReader(content);
var rssFeedAsString = contentReader.ReadToEnd();
rssFeedAsString = rssFeedAsString.Trim(); // remove any white space beore the feed
xmlDoc.LoadXml(feedAsString);

我得到的錯誤是：

Root element is missing.
Could not extract first items from feed string; Error The element with name 'jobs' and namespace '' is not an allowed feed format.

我想使用xpath / jobs / job /遍歷feed節點。

之前，我已經使用XmlDocument解析了這樣的提要，而XmlDocument只傳入了一個URL，如果沒有則傳入一個字符串。

我正在考慮使用正則表達式使用<job>[\\s\\S]+></job>類型表達式在提要中循環。

但是我寧願使用標准方法。

由於無法更改提要，因此任何人都可以告訴我提要有什么問題以及我解析它的方式。 原諒var的使用，我只是被一小段代碼片段解析為使用該示例的提要。 我在其他任何地方都使用強類型，並且一旦工作就將其轉換。

任何幫助將非常感激。

謝謝

Answer 1

編輯：您當前的代碼失敗的原因很簡單-您正在嘗試解析一個空字符串：

string feedAsString = "";
...
var rssFeedAsString = contentReader.ReadToEnd();
rssFeedAsString = rssFeedAsString.Trim();
xmlDoc.LoadXml(feedAsString);

您永遠不會將feedAsString設置為新值-但您會以rssFeedAsString獲取文本。 那是兩個不同的變量。

也就是說，我將完全使用另一種方法。 我認為沒有必要進行修整等操作-使用XPath或將其通過RSS閱讀器傳遞（假設它不是 RSS）。 唯一棘手的部分是顯式指定User-Agent標頭，否則服務器將拒絕該請求。

我個人使用LINQ to XML，這似乎很好：

using System;
using System.Net;
using System.Xml.Linq;

class Test
{
    static void Main()
    {
        string text;
        using (var webClient = new WebClient())
        {
            string url = "http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml";
            webClient.Headers.Add("user-agent", "Mozilla/5.0");
            text = webClient.DownloadString(url);
        }
        var doc = XDocument.Parse(text);
        foreach (var job in doc.Root.Elements("job"))
        {
            Console.WriteLine(job);
        }
    }
}

Answer 2

聽起來很傻，請嘗試Html Agility Pack 。 它旨在處理格式不太正確的輸入，並且您可以使用類似XPath的表達式來遍歷樹。

Answer 3

這對我有用。 我使用了DownloadString。

        var feedURL = "http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml";
        XmlDocument xmlDoc = new XmlDocument();
        string feedAsString = "";
        // get from web as string
        var webClient = new WebClient();

        // Tell them who we are for white listing
        webClient.Headers.Add("user-agent", "Mozilla/5.0 (compatible; Job Feed Importer;)");

        // fetch feed as string
        var content = webClient.DownloadString(feedURL);
        xmlDoc.LoadXml(content);
        var jobs = xmlDoc.GetElementsByTagName("job");
        foreach (var job in jobs)
        {
           //Loop through Jobs 
        }

Answer 4

我使用了以下解決方案，請看看：

        XmlDocument xdoc = new XmlDocument();
        xdoc.Load("http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml");
        if (xdoc != null)
        {
            XmlElement root = xdoc.DocumentElement;
            XmlNodeList xNodelst = root.SelectNodes("job");
            foreach (XmlNode node in xNodelst)
            {
                string location = node.SelectSingleNode("location").InnerText;
                Response.Write("<br/> location = " + location);
            }
        }