C#分类中的HTML解析

我正在进行情感分类，我正在解析来自本地电影数据库的数据。问题是它们有三种分类形式。一个有明星（在…）一个“垃圾”，没有给明星或称之为垃圾，这里是它的主要链接：你需要检查源代码-这里是一个例子，你可以看到所有三种类型的电影用户评价

</li>
<li id="comment-8356897">
    <h5 class="author"><a href="/uzivatel/138463-campbell/">Campbell</a></h5>
    <img src="http://img.csfd.cz/assets/images/rating/stars/2.gif" class="rating" width="16" alt="**" />
    <div class="info">
        <a href="/uzivatel/138463-campbell/komentare/">všechny komentáře uživatele</a></div>
    <p class="post">Ale jo:-D Když jsem viděl že tenhle film je na prvním místě mezi největšíma sračkama na CSFD, a tak jsem se zhrozil a abych si utrpení ještě vylepšil, tak jsem si pustil oba dva díly naráz. No hell to celkem bylo ale ne nic extrémní. Viděl jsem větší shity. V tomhle filmu jsem měl děsnej problém fandit někomu fandit protože to moc nejde. Šílenost, Ale ne nejhorší.<span class="date desc">(11.3.2011)</span></p>
</li>
<li id="comment-872277">
    <h5 class="author"><a href="/uzivatel/48974-fleker/">fleker</a></h5>

    <div class="info">
        <a href="/uzivatel/48974-fleker/komentare/">všechny komentáře uživatele</a></div>
    <p class="post">tak na todle rači ani koukat nebudu; hodnocení to má slušný ale nechci riskovat aby mi vyschla mícha<span class="date desc">(29.7.2009)</span></p>
</li>
<li id="comment-327360">
    <h5 class="author"><a href="/uzivatel/41698-ozo/">Ozo</a></h5>
    <strong class="rating">odpad!</strong>
    <div class="info">
        <a href="/uzivatel/41698-ozo/komentare/">všechny komentáře uživatele</a></div>
    <p class="post">Změna názoru - tohle si jednu hvězdičku nezaslouží =(<span class="date desc">(29.7.2007)</span></p>
</li>

---

这段代码的问题是，如果找不到att.InnerText==“odpad！”或att.Attributes[“alt”]！=null它继续到下一篇文章，并从那里获取用户评估。但我想至少将一些内容与评估发布的帖子进行匹配。

“odpad！”不在属性中，而是在元素中。

如果更改

if

语句会怎么样。如果只有一个

if

语句是真的，为什么还要有3个

if

语句

// Is it "odpad" ?
if (att.InnerText == "odpad!")
{
    b[j] = att.InnerText;

}
// .. If not, is it starred?
else if (att.Attributes["alt"] != null)
{
    b[j] = att.Attributes["alt"].Value;

}
// If none of above, it must be this (default)
else
{
       b[j] = "without user evaluation";

}

---

感谢所有帮助，但问题出在html的xpath中

我是这样解决的

string srxPathOfCategory = "//ul[@class='ui-posts-list']//li";

        foreach (var att in doc.DocumentNode.SelectNodes(srxPathOfCategory))
        {

            foreach (var child in att.ChildNodes.Skip(3)) // skipping first three nodes //- first one is whitespace - marked as #text child node, then there is h5 and third is //another whitespace marked as #text child node 
            {

                if (child.InnerText == "odpad!")
                {
                    b[j] = child.InnerText;
                    Console.WriteLine(b[j]);
                    Console.ReadKey();
                    break;

                }
                else if (child.Attributes["alt"] != null)
                {
                    b[j] = child.Attributes["alt"].Value;
                    Console.WriteLine(b[j]);
                    Console.ReadKey();
                    break;
                }
                else
                {
                    b[j] = "without user evaluation";
                    Console.WriteLine("hlupost");
                    Console.ReadKey();
                    break;
                }

            }
            j++;
        }

---

我不知道，但那对我没有帮助。该程序可以解析“odpad”，也可以解析从1*到5****。问题是，当它在没有像“odpad”这样的评估的情况下找到post时或者5****它跳转到下一篇文章，从那里进行评估，因此混合了正确的帖子和评估顺序。如果您将

if

语句替换为

if-else

语句，那么您的最后一个else可能是默认评估，这将处理odpad和stars，但不会处理任何评估，因此，看起来属性[“alt”]总是不为null

string srxPathOfCategory = "//ul[@class='ui-posts-list']//li";

        foreach (var att in doc.DocumentNode.SelectNodes(srxPathOfCategory))
        {

            foreach (var child in att.ChildNodes.Skip(3)) // skipping first three nodes //- first one is whitespace - marked as #text child node, then there is h5 and third is //another whitespace marked as #text child node 
            {

                if (child.InnerText == "odpad!")
                {
                    b[j] = child.InnerText;
                    Console.WriteLine(b[j]);
                    Console.ReadKey();
                    break;

                }
                else if (child.Attributes["alt"] != null)
                {
                    b[j] = child.Attributes["alt"].Value;
                    Console.WriteLine(b[j]);
                    Console.ReadKey();
                    break;
                }
                else
                {
                    b[j] = "without user evaluation";
                    Console.WriteLine("hlupost");
                    Console.ReadKey();
                    break;
                }

            }
            j++;
        }