C# 抓取时间表HTMLAgilityPack

我需要从网站上拿一张时间表。我想将此时间表存储/添加到我的C#应用程序中的数据表中

数据表的结构如下所示：

1. | Day | Time | Status | 2. ..1.......7:00.........IN 3. ..1.......9:45.......OUT 4. ..1......10:15........IN 5. ..1......15:45......OUT 6. ..1.......8:45.....TOTAL 7. ..2 .. .. 我尝试了不同的变体，我总是把所有的数据搞乱

出于测试目的，我制作了一个新的Winform，其中包含“textbox”（用于站点路径）和“button”（用于启动流程）

然后我想让HTMLAgilityPack获取所有数据。一个例子：

public string[] GREYsource;

public Form1()
{
    InitializeComponent();
}

private void btnSubmit_Click(object sender, EventArgs e)
{
    var doc = new HtmlAgilityPack.HtmlDocument();
    var fileName = txtPath.Text;                    // I downloaded the HTML-File
    doc.Load(fileName);

    string strGREYInner;

    foreach (HtmlNode td in doc.DocumentNode.SelectNodes("//tr[@class=\"tblDataGreyNH\"]"))
    {
        strGREYInner = td.InnerText.Trim();
        string shorted = strGREYInner.Replace("\t", ""); string shorted2 = shorted.Replace("\n\n\n\n", "\n\n\n"); string shorted3 = shorted2.Replace("\n\n\n", "\n\n"); string shorted4 = shorted3.Replace("\n\n", "\n");
        GREYsource = shorted4.Split(new Char[] { '\n', });
    }

    foreach (string str in GREYsource)
    {
        ...
    }
}

问题：结果包含许多需要修剪的制表符（/t）和换行符（/n）

问题：在我看来，这不是一个好方法。这只会抓住总时间

可以做得更好

这只是我尝试过的一个例子（其他代码只是一堆垃圾）

我在下面附上了HTML结构：

概览（图片）：

更深入一点：

/*必须被忽略。没必要*/
/*必须被忽略。没必要*/
/*这包含了我需要的内容*/
/*标题不是必需的*/
/*内容从这里开始*/
/*没必要*/
/*没必要*/
/*没必要*/
/*在：*/
在里面
/*“tblDataWhiteNH”始终包含7“td nowrap”
/*示例：如果它包含一个值*/
7:53/*value=7:53（这个！）*/
/*示例：如果它不包含值*/
/*无值=0:00（此！）*/
/*输出：*/
出来
/*“tblDataWhiteNH”始终包含7个“td nowrap”。
/*示例：如果它包含一个值*/
7:53/*value=7:53（这个！）*/
/*示例：如果它不包含值*/
/*无值=0:00（此！）*/
/*在：*/
/*输出：*/
...               /* “tblDataGreyNH”的构建方式与“tblDataWhiteNH”相同。
...               /* 有时可能会有更多的“tblDataWhiteNH”和“tblDataGreyNH”*/
...               /* 通常只有“tblDataWhiteNH”（输入/输出）*/
/*没必要*/
/*它继续f.egs。如果上面最后一个标题是“tblDatagrey”，则使用“tblDataWhite”*/
/*反之亦然（“灰色”，如果之前有“白色”）*/
/*工作：*/
总时间
07:47/*value=7:47（这个！）*/
04:48       
00:00/*无值=0:00（此！）*/
00:00       
07:42       
00:00       
00:00       
/*总数：*/
正常时间
07:47/*value=7:47（这个！）*/
04:48       
/*无值=0:00（此！）*/
07:42       
/*没必要*/
/*没必要*/

原始HTML的副本：

我希望有人能帮我把这件事做好

---

好的，让我用图片解释一下
在图片上你可以看到网站+下表，结果应该是什么样子

声明数据表不是问题。
主要的问题是，我不能让htmlagility吐出正确的结果，如果它吐出了正确的结果，它几乎是有缺陷的。 我尝试的一些selectnodes在一段时间后输出混乱。到目前为止，我还无法从网站上的表格中获取“所有”数据，只是一些值，但通常有问题。

---

因此，我正在寻找一位能够了解这一点的人，或许可以帮助我找到正确的selectnodes。

我不确定我是否完全理解您想要做什么，但这里有一个示例代码，可以帮助您开始。我强烈建议你看一看以了解它

        HtmlDocument doc = new HtmlDocument();
        doc.Load(yourFile);

        // get all TR with a specific class name, starting from root (/), and recursively (//)
        foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//tr[@class='tblDataGreyNH' or @class='tblDataWhiteNH']"))
        {
            // get all TD below the current node with a specific class name
            HtmlNode inOrOut = node.SelectSingleNode("td[@class='tblHeader']");
            if (inOrOut != null)
            {
                string io = inOrOut.InnerText.Trim();
                Console.WriteLine(io.ToUpper());
                if (io.Contains("Time"))
                {
                    // normalize-space gets rid or whitespaces (\r,\n, etc.)
                    // text() gets the node's inner text
                    foreach (HtmlNode td in node.SelectNodes("td[normalize-space(@class)='' and normalize-space(text())!='' and normalize-space(text())!='00:00']"))
                    {
                        Console.WriteLine("value:" + td.InnerText.Trim());
                    }
                }
            }

            // gets all TD below the current node that define the NOWRAP attribute
            HtmlNodeCollection tdNoWraps = node.SelectNodes("td[@nowrap]"); 
            if (tdNoWraps != null)
            {
                foreach (HtmlNode tdNoWrap in tdNoWraps)
                {
                    string value = tdNoWrap.InnerText.Trim();
                    if (value == string.Empty)
                        continue;

                    Console.WriteLine("value:" + value);
                }
            }
        }

它将从您的示例页面中输出：

IN
value:7:47
value:7:46
value:7:45
value:7:51
OUT
value:15:35
value:15:33
value:12:38
value:8:59
IN
value:12:38
value:8:59
OUT
value:15:35
TOTAL TIME
value:07:48
value:07:47
value:07:50
value:01:08
REGULAR TIME
value:07:48
value:07:47
value:07:50
value:01:08

---

目前的问题很不清楚——你到底在问什么？你到底被困在哪里？你到底在找什么帮助？对不起，我解释得不清楚，我的英语不是很好，也不是c#的专家。我只想从我发布的html代码中得到一个c#格式的数据表。（datatable）行在c#中应该是这样的：

table.rows.Add（“Daynumber，Timevalue，Status”）。我的问题是，我总是把所有的“td”搞得一团糟，没有得到有用的结果/数据表。我似乎被困在了html节点上，似乎还不清楚。我贴了一张照片，希望能解释得更好。哇，这正是我要找的。。非常感谢你！！顺便说一句，我不知道您可以在Xpath中使用'or/and'（现在我知道语法是什么了）来解析它。你的回答对我帮助很大。
IN
value:7:47
value:7:46
value:7:45
value:7:51
OUT
value:15:35
value:15:33
value:12:38
value:8:59
IN
value:12:38
value:8:59
OUT
value:15:35
TOTAL TIME
value:07:48
value:07:47
value:07:50
value:01:08
REGULAR TIME
value:07:48
value:07:47
value:07:50
value:01:08