C# HTML敏捷包-解析表_C#_Html_Html Parsing_Html Agility Pack

C# HTML敏捷包-解析表

c# html

C# HTML敏捷包-解析表,c#,html,html-parsing,html-agility-pack,C#,Html,Html Parsing,Html Agility Pack,我想使用HTML agility pack解析复杂网页中的表，但不知何故，我迷失在了对象模型中我查看了链接示例，但没有找到任何这样的表数据。我可以使用XPath获取表吗？在加载了关于如何获取表的数据之后，我基本上不知所措。我以前在Perl中做过这件事，虽然有点笨拙，但还是奏效了。HTML:：TableParser 我也很高兴能为解析正确的对象顺序提供帮助。下面的例子怎么样：使用请注意，如果需要，可以使用LINQ to对象使其更美观： var query = from table in d

我想使用HTML agility pack解析复杂网页中的表，但不知何故，我迷失在了对象模型中

我查看了链接示例，但没有找到任何这样的表数据。我可以使用XPath获取表吗？在加载了关于如何获取表的数据之后，我基本上不知所措。我以前在Perl中做过这件事，虽然有点笨拙，但还是奏效了。HTML:：TableParser

我也很高兴能为解析正确的对象顺序提供帮助。

下面的例子怎么样：使用

请注意，如果需要，可以使用LINQ to对象使其更美观：

var query = from table in doc.DocumentNode.SelectNodes("//table").Cast<HtmlNode>()
            from row in table.SelectNodes("tr").Cast<HtmlNode>()
            from cell in row.SelectNodes("th|td").Cast<HtmlNode>()
            select new {Table = table.Id, CellText = cell.InnerText};

foreach(var cell in query) {
    Console.WriteLine("{0}: {1}", cell.Table, cell.CellText);
}

我发现获取特定元素的XPath最简单的方法是为Firefox安装FireBug扩展。转到站点/网页，按F12打开FireBug；右键选择并右键单击要查询的页面上的元素，然后选择Inspect element Firebug将在其IDE中选择该元素，然后右键单击Firebug中的元素并选择Copy XPath。此函数将为您提供使用HTML Agility Library获取所需元素所需的准确XPath查询。

上一行答复:

HtmlDocument doc = new HtmlDocument();

这在VS 2015 C中不起作用。您不能再构建HtmlDocument了

另一个MS功能使事情更难使用。尝试HtmlAgilityPack.HtmlWeb并查看一些示例代码。

在我的例子中，有一个表恰好是路由器的设备列表。如果希望使用TR/TH/TD行、标题、数据而不是上述矩阵来读取表，可以执行以下操作：

    List<TableRow> deviceTable = (from table in document.DocumentNode.SelectNodes(XPathQueries.SELECT_TABLE)
                                       from row in table?.SelectNodes(HtmlBody.TR)
                                       let rows = row.SelectSingleNode(HtmlBody.TR)
                                       where row.FirstChild.OriginalName != null && row.FirstChild.OriginalName.Equals(HtmlBody.T_HEADER)
                                       select new TableRow
                                       {
                                           Header = row.SelectSingleNode(HtmlBody.T_HEADER)?.InnerText,
                                           Data = row.SelectSingleNode(HtmlBody.T_DATA)?.InnerText}).ToList();
                                       }

TableRow只是一个简单的对象，以标题和数据作为属性。该方法考虑了零度，在这种情况下：

我知道这是一个很老的问题，但这是我的解决方案，它帮助可视化了表，这样你就可以创建一个类结构。这也使用了HTML敏捷包

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(@"<html><body><p><table id=""foo""><tr><th>hello</th></tr><tr><td>world</td></tr></table></body></html>");
var table = doc.DocumentNode.SelectSingleNode("//table");
var tableRows = table.SelectNodes("tr");
var columns = tableRows[0].SelectNodes("th/text()");
for (int i = 1; i < tableRows.Count; i++)
{
    for (int e = 0; e < columns.Count; e++)
    {
        var value = tableRows[i].SelectSingleNode($"td[{e + 1}]");
        Console.Write(columns[e].InnerText + ":" + value.InnerText);
    }
Console.WriteLine();
}

请记住，有时浏览器会稍微更改html的DOM，就像在缺少DOM时添加到。默认情况下，Html Agility Pack在解析Html时也不包含和标记。记住这些差异，您将在浏览器和Html Agility Pack之间的XPath兼容性方面取得更大的成功。即使承认Anders提到的缺陷，这也是一个很好的省时方法。不过Firefox似乎不再支持它了：嗨，Mark，您能就解析大文件提出建议吗？超过50 mb的文件，我无法在较大的文件上获取子tr节点。@马克-如果表正在分页，那么如何通过刮取转到下一页？@Dark_Knight您需要点击ajax路由原始页面的任何内容used@MarcGravell我发现这个分页“init'sites'，“sites'tbl'，'/ipID/23.227.38.0/ipIDii/23.227.38.255/sort/6/asc/1'，true'1'，536'，{sortCol:'6'，sortAsc:'1'}你知道如何调用该函数吗？对我有用，不知道你在说什么。

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(@"<html><body><p><table id=""foo""><tr><th>hello</th></tr><tr><td>world</td></tr></table></body></html>");
var table = doc.DocumentNode.SelectSingleNode("//table");
var tableRows = table.SelectNodes("tr");
var columns = tableRows[0].SelectNodes("th/text()");
for (int i = 1; i < tableRows.Count; i++)
{
    for (int e = 0; e < columns.Count; e++)
    {
        var value = tableRows[i].SelectSingleNode($"td[{e + 1}]");
        Console.Write(columns[e].InnerText + ":" + value.InnerText);
    }
Console.WriteLine();
}