C# 从HTML中提取标签，然后在单独的DIV标记中提取值

我正在抓取一个产品数据库，我能够获取所有HTML并检索大多数值，因为它们有一些独特的项。然而，我被困在一些地区，有共同的标签

例如：

<div class="label">Name:</div><div class="value">John</div>
<div class="label">Age:</div><div class="value">24</div>

姓名：约翰
年龄:24

关于如何获得这些标签和相关值，有什么想法吗

---

如果其中有什么可以帮助的话，我将使用HTMLAgilityPack作为其余部分。

请使用xpath获取div，其中类作为标签，类作为值

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(yourHtml);

Dictionary<string, string> dict = new Dictionary<string, string>();

//This will get all div's with class as label & class value in dictionary

int cnt = 1;
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//div[@class='label']"))
{
    var val = doc.DocumentNode.SelectSingleNode("//div[@class='value'][" +  cnt + "]").InnerText;

    if(!dict.ContainsKey(node.InnerText))//dictionary takes unique keys only
    {
        dict.Add(node.InnerText, val);
        cnt++;
    }
} 

HtmlDocument doc=新的HtmlDocument（）；
doc.LoadHtml（yourHtml）；
Dictionary dict=新字典（）；
//这将在字典中获得所有以class作为标签和class值的div
int-cnt=1；
foreach（doc.DocumentNode.SelectNodes（“//div[@class='label']”）中的HtmlNode节点）
{
var val=doc.DocumentNode.SelectSingleNode（//div[@class='value'][“+cnt+”]）。InnerText；
如果（！dict.ContainsKey（node.InnerText））//字典只接受唯一键
{
dict.Add（node.InnerText，val）；
cnt++；
}
} 

您可以尝试以下方法：

Int32 endingIndex;
var Name1 = GetTextBetween(yourHtml, "<div class=\"label\">", "</div><div class=\"value\">", out endingIndex);
var Value1 = GetTextBetween(yourHtml.SubString(endingIndex), "<div class=\"value\">", "</div>", out endingIndex);
var Name2 = GetTextBetween(yourHtml.SubString(endingIndex), "<div class=\"label\">", "</div><div class=\"value\">", out endingIndex);
var Value2 = GetTextBetween(yourHtml.SubString(endingIndex), "<div class=\"value\">", "</div>", out endingIndex);


public static String GetTextBetween(String allDataToParse, String startText, String endText, out Int32 indexOfEndText)
{
    var indexOfStartText = allDataToParse.IndexOf(startText);
    indexOfEndText = allDataToParse.IndexOf(endText);

    return allDataToParse.Substring(indexOfStartText, indexOfEndText - indexOfStartText).Replace(startText, String.Empty) ;
}

Int32-endingIndex；
var Name1=GetTextBetween（yourHtml，“，”，out-endingIndex）；
var Value1=GetTextBetween（您的html.SubString（endingIndex），“”，“”，out endingIndex）；
var Name2=GetTextBetween（您的html.SubString（endingIndex），“”，“”，out endingIndex）；
var Value2=GetTextBetween（您的html.SubString（endingIndex），“”，“”，out endingIndex）；
公共静态字符串GetTextBetween（字符串allDataToParse、字符串startText、字符串endText、out Int32 indexOfEndText）
{
var indexOfStartText=allDataToParse.IndexOf（startText）；
indexOfEndText=allDataToParse.IndexOf（endText）；
返回allDataToParse.Substring（indexOfStartText，indexOfEndText-indexOfStartText）.Replace（startText，String.Empty）；
}

尽管XPath听起来总是一个不错的主意，但当您在抓取数据时，您不能依赖HTML格式良好。许多网页经常破坏它们的HTML，以使抓取更困难。尽管Mark的代码看起来很笨拙，但在某些情况下它实际上更健壮

尽管听起来很悲哀，但只有当提供者在很长一段时间内被证明是可靠的时，您才能依赖目标文档中的一致性。理想情况下，我会使用正则表达式来搜索我特别想要的标记。这里有一个很好的起点：

不幸的是，只有您知道您正在处理的文档的确切怪癖。一个简单的解决方案，就像马克建议的那样，如果你正在查看的页面是可靠的，它可能会起作用。坦率地说，它不太可能是脆弱的和意外崩溃

---

如果您使用HatSoft建议的HTML文档解析代码，您的程序可能在大多数文档上运行良好，但根据我的经验，网站会随机抛出错误，意外更改布局，或者有时您的网络代码只接收部分字符串。也许这没关系，但我建议您尝试这两种方法，看看哪些方法对您更可靠。

您到底遇到了什么问题？您在识别标签和值时有困难吗？或者您在将特定值与特定标签进行匹配时遇到问题？确切地说，我需要匹配它们。这是可行的，但是如何才能将它们配对？那么那个label1=value1？@JDRoberson给我15分钟，我把它写下来you@JDRoberson请向我显示代码和完整的错误消息error 1'HtmlAgilityPack.HtmlNodeCollection'不包含'InnerText'的定义，并且不能使用接受类型为'HtmlAgilityPack.HtmlNodeCollection'的第一个参数的扩展方法'InnerText'找到（您是否缺少using指令或程序集引用？）c:\users\robejoha02\documents\visual studio 11\Projects\CardDB\CardDB\Form1.cs 42 63 CardDB代码的第12行。@JDRoberson我很抱歉，他们的错误是我的代码中的错误我已更正，请接受更新的答案