基于同级属性选择节点-HtmlAgilityPack-C#

我有一个HTML文档，其结构如下

<ul class="beverageFacts">
<li>
    <span>Vintage</span> 
    <strong>2007&nbsp;</strong>
</li>
<li>
    <span>ABV</span> 
    <strong>13,0&nbsp;%</strong>
</li>
<li>
    <span>Sugar</span> 
    <strong>5&nbsp;gram/liter</strong>
</li>

现在，我正在遍历

beverageFacts

-节点的每个子节点，检查值以将其解析为正确的

字符串。
到目前为止，我获得“Vintage”值的代码如下，尽管结果总是
null

HtmlNodeCollection childNodes = bevFactNode.ChildNodes;
foreach (HtmlNode subNode in childNodes)
{
    if (subNode.InnerText.TrimStart() == "Vintage")
        vintage = subNode.NextSibling.InnerText.Trim();
}

我相信我对节点的选择是不正确的，但我不知道如何以最有效的方式正确地进行选择

有没有一个简单的方法来实现这一点


编辑2013-07-29

我已尝试使用以下代码删除注释中建议的空白

        HtmlAgilityPack.HtmlDocument page = new HtmlWeb().Load("http://www.systembolaget.se/" + articleID);

        string cleanDoc = Regex.Replace(page.DocumentNode.OuterHtml, @"\s*(?<capture><(?<markUp>\w+)>.*<\/\k<markUp>>)\s*", "${capture}", RegexOptions.Singleline);

        HtmlDocument cleanPage = new HtmlDocument();
        cleanPage.LoadHtml(cleanDoc);

看着HTML标记，我意识到我没有深入到节点中。
此外，正如恩里科瑞尔所指出的，我没有正确清理一些空白。通过跳过同级，即空格，并跳转到以下内容，我得到了正确的结果

        foreach (HtmlNode bevFactNode in bevFactsNodes)
        {
            HtmlNodeCollection childNodes = bevFactNode.ChildNodes;
            foreach (HtmlNode node in childNodes)
            {
                foreach(HtmlNode subNode in node.ChildNodes)
                {
                    if (subNode.InnerText.Trim() == "Årgång")
                        vintage = HttpUtility.HtmlDecode(subNode.NextSibling.NextSibling.InnerText.Trim());
                }
            }
        }
        Console.WriteLine("Vintage: " + vintage);

将输出

Vintage: 2007


我对HTML进行了解码，以正确格式化结果

吸取的教训
 看着HTML标记，我意识到我没有深入到节点中。
此外，正如恩里科瑞尔所指出的，我没有正确清理一些空白。通过跳过同级，即空格，并跳转到以下内容，我得到了正确的结果

        foreach (HtmlNode bevFactNode in bevFactsNodes)
        {
            HtmlNodeCollection childNodes = bevFactNode.ChildNodes;
            foreach (HtmlNode node in childNodes)
            {
                foreach(HtmlNode subNode in node.ChildNodes)
                {
                    if (subNode.InnerText.Trim() == "Årgång")
                        vintage = HttpUtility.HtmlDecode(subNode.NextSibling.NextSibling.InnerText.Trim());
                }
            }
        }
        Console.WriteLine("Vintage: " + vintage);

将输出

Vintage: 2007


我对HTML进行了解码，以正确格式化结果

吸取的教训
 总而言之，我认为最好的解决方案是在检索nextSibling值之前使用正则表达式剥离所有空白：

    string myHtml =
    @"
    <ul class='beverageFacts'>
    <li>
        <span>Vintage</span> 
        <strong>2007&nbsp;</strong>
    </li>
    <li>
        <span>ABV</span> 
        <strong>13,0&nbsp;%</strong>
    </li>
    <li>
        <span>Sugar</span> 
        <strong>5&nbsp;gram/liter</strong>
    </li>";
    //Remove space after and before tag
myHtml = Regex.Replace(myHtml, @"\s+<", "<", RegexOptions.Multiline | RegexOptions.Compiled);
myHtml = Regex.Replace(myHtml, @">\s+", "> ", RegexOptions.Compiled | RegexOptions.Multiline);

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(myHtml.Replace("/r", "").Replace("/n", "").Replace("/r/n", "").Replace("  ", ""));
doc.OptionFixNestedTags = true;

HtmlNodeCollection vals = doc.DocumentNode.SelectNodes("//ul[@class='beverageFacts']//span");

var myNodeContent = string.Empty;
foreach (HtmlNode val in vals)
{
    if (val.InnerText == "Vintage")
    {
        myNodeContent = val.NextSibling.InnerText;
    }
}

return myNodeContent;

string myHtml=
@"


酿造的
2007


ABV
13,0%


糖
5克/升
”；
//删除标记前后的空格
myHtml=Regex.Replace（myHtml，@“\s+”，RegexOptions.Compiled|RegexOptions.Multiline）；
HtmlDocument doc=新的HtmlDocument（）；
doc.LoadHtml（myHtml.Replace（“/r”，”）.Replace（“/n”，”）.Replace（“/r/n”，”）.Replace（“，”）；
doc.OptionFixNestedTags=true；
HtmlNodeCollection vals=doc.DocumentNode.SelectNodes（//ul[@class='beverageFacts']//span）；
var myNodeContent=string.Empty；
foreach（以val表示的HtmlNode val）
{
如果（val.InnerText==“年份”）
{
myNodeContent=val.NextSibling.InnerText；
}
}
返回myNodeContent；
总之，我认为最好的解决方案是在检索下一个sibling值之前使用正则表达式剥离所有空白：

    string myHtml =
    @"
    <ul class='beverageFacts'>
    <li>
        <span>Vintage</span> 
        <strong>2007&nbsp;</strong>
    </li>
    <li>
        <span>ABV</span> 
        <strong>13,0&nbsp;%</strong>
    </li>
    <li>
        <span>Sugar</span> 
        <strong>5&nbsp;gram/liter</strong>
    </li>";
    //Remove space after and before tag
myHtml = Regex.Replace(myHtml, @"\s+<", "<", RegexOptions.Multiline | RegexOptions.Compiled);
myHtml = Regex.Replace(myHtml, @">\s+", "> ", RegexOptions.Compiled | RegexOptions.Multiline);

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(myHtml.Replace("/r", "").Replace("/n", "").Replace("/r/n", "").Replace("  ", ""));
doc.OptionFixNestedTags = true;

HtmlNodeCollection vals = doc.DocumentNode.SelectNodes("//ul[@class='beverageFacts']//span");

var myNodeContent = string.Empty;
foreach (HtmlNode val in vals)
{
    if (val.InnerText == "Vintage")
    {
        myNodeContent = val.NextSibling.InnerText;
    }
}

return myNodeContent;

string myHtml=
@"


酿造的
2007


ABV
13,0%


糖
5克/升
”；
//删除标记前后的空格
myHtml=Regex.Replace（myHtml，@“\s+”，RegexOptions.Compiled|RegexOptions.Multiline）；
HtmlDocument doc=新的HtmlDocument（）；
doc.LoadHtml（myHtml.Replace（“/r”，”）.Replace（“/n”，”）.Replace（“/r/n”，”）.Replace（“，”）；
doc.OptionFixNestedTags=true；
HtmlNodeCollection vals=doc.DocumentNode.SelectNodes（//ul[@class='beverageFacts']//span）；
var myNodeContent=string.Empty；
foreach（以val表示的HtmlNode val）
{
如果（val.InnerText==“年份”）
{
myNodeContent=val.NextSibling.InnerText；
}
}
返回myNodeContent；
问题在于下一个标签是空白。如果去掉标记之间的所有空白，则会得到正确的结果。看看我的问题：我看不出你的问题对我有什么帮助。如果兄弟姐妹是一个空格，那么我的vintage字符串不是也会被设置为“”而不是null吗？删除空格，您就会看到它会工作：
vintage2007
…现在可以工作了！你是对的，有空白，我的清洁方法不起作用！我将发布一个显示我的解决方案的答案！问题是下一个标签是一个空白。如果去掉标记之间的所有空白，则会得到正确的结果。看看我的问题：我看不出你的问题对我有什么帮助。如果兄弟姐妹是一个空格，那么我的vintage字符串不是也会被设置为“”而不是null吗？删除空格，您就会看到它会工作：
vintage2007
…现在可以工作了！你是对的，有空白，我的清洁方法不起作用！我将发布一个显示我的解决方案的答案！