正则表达式到 HtmlAgilityPack C#

Question

我想知道如何转换我使用正则表达式的代码以匹配其他使用 HtmlAgilityPack 库的网站字符串。

示例代码：

<div class="element"><div class="title"><a href="127.0.0.1" title="A.1">A.1</a></div></div>
<div class="element"><div class="title"><a href="127.0.0.1" title="A.2">A.2</a></div></div>

我当前的代码如下：

List<string> Cap = new List<string>();
WebClient web = new WebClient();
string url = web.DownloadString("127.0.0.1");
MatchCollection cap = Regex.Matches(url, "title=\"(.+?)\">", RegexOptions.Singleline);
foreach (Match m in cap)
{
     Cap.Add(m.Groups[1].Value.ToString());
}
lst_Cap.ItemsSource = Cap;

而且有效。

我试过 HtmlAgilityPack:

HtmlDocument Web = web.Load("127.0.0.1"); // 127.0.0.1 for example
List<string> Cap = new List<string>();
foreach (HtmlNode node in Web.DocumentNode.SelectNodes("//*[@id=\"content\"]/div/div[3]/div[2]/div[1]/a"))
{
    Cap.Add(node.InnerHtml);
}

但它只增加了 A.1。

我该怎么办？

Answer 1

您的正则表达式 "title=\"(.+?)\">" 匹配并捕获 HTML 文档内任何标签中的任何 title 属性。

因此，使用另一个带有 //*[@title] XPath 的代码获取包含 title 属性的任何元素节点 (*)，然后遍历属性节点，一旦其名称为 title，将值添加到列表中：

var nodes = Web.DocumentNode.SelectNodes("//*[@title]");
if (nodes != null)
{
   foreach (var node in nodes)
   {
       foreach (var attribute in node.Attributes)
           if (attribute.Name == "title")
               Cap.Add(attribute.Value);
   }
}

或使用 LINQ：

var nodes = Web.DocumentNode.SelectNodes("//*[@title]");
var res = nodes.Where(p => p.HasAttributes)
                 .Select(m => m.GetAttributeValue("title", string.Empty))
                 .Where(l => !string.IsNullOrEmpty(l))
                 .ToList();

正则表达式到 HtmlAgilityPack C#

Regex to HtmlAgilityPack C#

c#

regex

html-agility-pack