C# 使用html敏捷包和Linq解析html

我有下面的HTML

(..)
<tbody>
 <tr>
  <td class="name"> Test1 </td>
  <td class="data"> Data </td>
  <td class="data2"> Data 2 </td>
 </tr>
 <tr>
  <td class="name"> Test2 </td>
  <td class="data"> Data2 </td>
  <td class="data2"> Data 2 </td>
 </tr>
</tbody>
(..)

---

但是当我试图查看

数据时，我得到了
{“对象引用未设置为对象的实例”。}
这里有一种方法-首先将所有数据解析为数据结构，然后读取它。这有点混乱，当然需要更多的验证，但下面是：

HtmlWeb hw = new HtmlWeb();
HtmlDocument doc = hw.Load("http://jsbin.com/ezuge4");
HtmlNodeCollection nodes = doc.DocumentNode
                              .SelectNodes("//table[@id='MyTable']//tr");
var data = nodes.Select(
    node => node.Descendants("td")
        .ToDictionary(descendant => descendant.Attributes["class"].Value,
                      descendant => descendant.InnerText.Trim())
        ).ToDictionary(dict => dict["name"]);
string test1Data = data["Test1"]["data"];

在这里，我将每个
转换为一个字典，其中
的类是一个键，文本是一个值。接下来，我将字典列表转换为字典字典（提示-将其抽象掉），其中每个
的
名称是关键。
至于您的尝试，您的代码有两个问题：

ChildNodes
很奇怪-它还返回空白文本节点，这些节点没有
类
属性（当然不能有属性）
正如詹姆斯·沃尔福德（James Walford）所评论的，文本周围的空格很重要，您可能需要对其进行修剪
通过这两项更正，以下工作：

var data =
      from tr in doc.DocumentNode.Descendants("tr")
      from td in tr.Descendants("td").Where(x => x.Attributes["class"].Value == "name")
     where td.InnerText.Trim() == "Test1"
    select tr;

而不是

td.InnerText == "Test1"

试一试

或

下面是XPATH方法-嗯。。。如今，每个人似乎都忘记了XPATH的强大功能，只专注于C#XLinq:-）

此函数用于获取与名称关联的所有数据值：

public static IEnumerable<string> GetData(HtmlDocument document, string name)
{
    return from HtmlNode node in
        document.DocumentNode.SelectNodes("//td[@class='name' and contains(text(), '" + name + "')]/following-sibling::td")
        select node.InnerText.Trim();
}

我可以推荐两种方法之一：

，它将html转换为有效的xml，然后可以使用OOTB Linq对其进行查询

或者

Linq to HTML（），虽然没有在CodePlex上维护（这是一个提示，Keith），但它为springboard提供了一组合理的功能。
确切地说，您想做什么？你不想要的代码是什么？呵呵，对不起，我忘记添加了，我现在正在添加。你能告诉我们你的错误是什么吗？或者你期望发生的事情没有发生？我已经改变了我的问题，希望能让它更容易理解。在你的例子中，tds中的文本有一个前后空白，而你要查找的字符串没有。我想到了一个带有
的xpath包含
，但它确实存在一个主要问题：搜索
Test1
也会找到
Test10
，
NotTest1
等等。我真的不知道足够的xpath来解决这个问题…@Kobi-如果你不想使用contains，那么你可以使用=。如果空格是一个问题，可以使用normalize space删除它们，否则这个链接会提供更多信息：我之所以喜欢Linq答案而不是XPath，是因为后者很难阅读和理解。前者非常清楚其目的，如果需要，可以将查询分解为子查询进行调试。XPath迟钝，无法调试。如果没有大量的测试数据，很难验证它是否做了正确的事情。仅仅通过谷歌搜索XPath语法的权威页面是一件令人讨厌的琐事。我仍然喜欢HAP，但每次我看到XPath语句我都会退缩。当你不知道的时候，一切都很困难。我认为XPATH在查询XML集时更易于使用和理解。它还优雅地处理空值（与Linq不同）。唯一的（大）缺点是它不适合区分大小写的比较。另一个问题是XPATH不可移植（例如WinRT上不存在）。无论如何，使用你喜欢的库：-）相反，如果你理解它，一切看起来都很容易。这并不意味着对其他人来说很容易。LINQ有很多应用。XPATH没有。就我个人而言，我更愿意说.dependents（“a”）.Last（）而不是“//a[Last（）]”，但既然我需要的是这件小事，我就告诉你我对xpath的记忆，并对你的答案进行投票。
td.InnerText == " Test1 "

d.InnerText.Trim() == "Test1"

public static IEnumerable<string> GetData(HtmlDocument document, string name)
{
    return from HtmlNode node in
        document.DocumentNode.SelectNodes("//td[@class='name' and contains(text(), '" + name + "')]/following-sibling::td")
        select node.InnerText.Trim();
}

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

    foreach (string data in GetData(doc, "Test2"))
    {
        Console.WriteLine(data);
    }