C# 使用HTMLAgilityPack和XPath进行选择性屏幕抓取

[这个问题有个亲戚住在：]

我有一些HTML需要解析，其总体外观如下：

...
<tr>
<td><a href="" title="">Text Data here (1)</a></td>
<td>Text Data here(2)</td>
<td>Text Data here(3)</td>
<td>Text Data here(4)</td>
<td>Text Data here(5)</td>
<td>Text Data here(6)</td>
<td><a href="link here {1}" class="image"><img alt="" src="" /></a></td>
</tr>
<tr>
<td><a href="" title="">Text Data here (1)</a></td>
<td>Text Data here(2)</td>
<td>Text Data here(3)</td>
<td>Text Data here(4)</td>
<td>Text Data here(5)</td>
<td>Text Data here(6)</td>
<td><a href="link here {1}" class="image"><img alt="" src="" /></a></td>
</tr>
...

它获取tds的内部文本，但无法获取链接{1}。这里创建了一个包含大量列表的列表。我可以使用嵌套的foreach来管理它

方式2：

var dataList = currentDoc.DocumentNode
           .SelectNodes("//tr//td//text()|//tr//td//a//@href");

这确实让我得到了链接{1}和所有数据，但它变得杂乱无章。在这里，所有的数据都以大块的形式出现。因为一个tr中的数据是相对的，所以我现在失去了这种关系

---

那么，如何才能获得我感兴趣的数据，只有前两列和后两列数据？

以下代码将选择前两列

数据和后两列

节点数据：

html.DocumentNode.Descendants("tr")
    .Select(tr => 
       from td in tr.SelectNodes("td[position() < 3 or position() > last() - 2]")
       let a = td.SelectSingleNode("a[@href!='']")
       select a == null ? td.InnerText : a.Attributes["href"].Value);

html.DocumentNode.substands（“tr”）
.选择（tr=>
从tr.SelectNodes中的td（“td[position（）<3或position（）>last（）-2]”）
让a=td.SelectSingleNode（“a[@href！=”））
选择a==null？td.InnerText:a.Attributes[“href”].Value）；

此xpath按位置筛选节点：

td[position() < 3 or position() > last() - 2]

td[position（）<3或position（）>last（）-2]

@AnubhavSaini我在示例html上测试了这段代码，效果很好，每行返回四个字符串。这可能有用。我的数据已损坏，因此无法检查。但它看起来很正确。

td[position() < 3 or position() > last() - 2]