C# 位于div正下方的Scrape html

我有一些html，想从中提取一些数据

HTML的结构如下所示

<div class="someClass"><span class="someOtherClass">Text</span></div>

<table>
  <tbody>
    <tr>
      <td>label</td>
      <td>data</td>
    </tr>
    <tr>
      <td>label</td>
      <td>data</td>
    </tr>
    <tr>
      <td>label</td>
      <td>data</td>
    </tr>
  </tbody>
</table>

<div class="someClass"><span class="someOtherClass">Text</span></div>
      <table>
  <tbody>
    <tr>
      <td>label</td>
      <td>data</td>
    </tr>
    <tr>
      <td>label</td>
      <td>data</td>
    </tr>
    <tr>
      <td>label</td>
      <td>data</td>
    </tr>
  </tbody>
</table>
<div class="someClass"><span class="someOtherClass">Text</span></div>

文本
标签
数据
标签
数据
标签
数据
文本
标签
数据
标签
数据
标签
数据
文本

我需要能够刮取位于span where class=“someOtherClass”（我已经实现了这一部分）中的文本值

然后我需要能够直接在div下面刮表。因为“parent”div实际上不包含表，所以在实现这一点时遇到了一些问题

我需要能够刮取位于跨度中的文本值

你不需要正则表达式。Xpath查询就足够了

var text = doc.DocumentNode
            .SelectNodes("//span[@class='someOtherClass']")
            .Select(x => x.InnerText)
            .ToList();

然后我需要能够直接在div下面刮桌子

使用类似的xpath

var doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(htmlstring);

var tables = doc.DocumentNode
             .SelectNodes("//span[@class='someOtherClass']/following::table").ToList();
foreach (var table in tables)
{
    var list = table.Descendants("tr")
                    .Select(tr => tr.Descendants("td")
                    .Select(td => td.InnerText).ToList())
                    .ToList();
}

---

您的html似乎没有格式错误。htmlagilitypack的HTMLDocument应该能够找到要从其DOM中提取的结构，您尝试过吗？如果您仍然想使用正则表达式-请先阅读所有文章。@EitanSeri Levi-我编辑了您的文章，删除了文章正文中的正则表达式标记和正则表达式详细信息。请接受编辑。尽管有些人只监视某些标签和标题，但要意识到这一点。以后请多加小心。我相信Xpath帖子有一百万个副本。当我有时间的时候，我会把它标记为一个副本。祝你好运！！英俊的solution@sln别担心。HtmlAgilityPack在解析格式错误的htmls时非常灵活：）@sln应该是这样的。我相信你已经读过这个著名的答案@sln Nice，我希望没有人需要对它进行更改。这只是第一级通用标记解析（包含不可见的内容）。我用这个做了一个SAX解析器。我也有数百个刮板模块来查找具体数据。它在格式错误的html上从不犹豫，而且速度极快。