使用敏捷包解析 html

Question

我有一个 html 需要解析（见下文）

<div id="mailbox" class="div-w div-m-0">
    <h2 class="h-line">InBox</h2>
    <div id="mailbox-table">
        <table id="maillist">
            <tr>
                <th>From</th>
                <th>Subject</th>
                <th>Date</th>
            </tr>
            <tr onclick="location='readmail.html?mid=welcome'" style="font-weight: bold;">
                <td>no-reply@somemail.net</td>
                <td>
                    <a href="readmail.html?mid=welcome">Hi, Welcome</a>
                </td>
                <td>
                    <span title="2016-02-16 13:23:50 UTC">just now</span>
                </td>
            </tr>
            <tr onclick="location='readmail.html?mid=T0wM6P'" style="font-weight: bold;">
                <td>someone@outlook.com</td>
                <td>
                    <a href="readmail.html?mid=T0wM6P">sa</a>
                </td>
                <td>
                    <span title="2016-02-16 13:24:04">just now</span>
                </td>
            </tr>
        </table>
    </div>
</div>

我需要解析 <tr onclick= 标签中的 links 和 <td> 标签中的电子邮件地址。

到目前为止，我设法从我的 html 中首次出现 email/link。

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(responseFromServer);

有人可以告诉我如何正确完成吗？基本上我想做的是从 html 中获取所有电子邮件地址和 links，它们位于所述标签中。

foreach (HtmlNode link in doc.DocumentNode.SelectNodes("//tr[@onclick]"))
{
    HtmlAttribute att = link.Attributes["onclick"];
    Console.WriteLine(att.Value);
}

编辑：我需要将解析后的值成对存储在 class（列表）中。电子邮件 (link) 和发件人电子邮件。

public class ClassMailBox
{
    public string From { get; set; } 
    public string LinkToMail { get; set; }    

}

Answer 1

可以编写如下代码：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(responseFromServer);

foreach (HtmlNode link in doc.DocumentNode.SelectNodes("//tr[@onclick]"))
{
    HtmlAttribute att = link.Attributes["onclick"];
    ClassMailBox classMailbox = new ClassMailBox() { LinkToMail = att.Value };
    classMailBoxes.Add(classMailbox);
}

int currentPosition = 0;

foreach (HtmlNode tableDef in doc.DocumentNode.SelectNodes("//tr[@onclick]/td[1]"))
{
    classMailBoxes[currentPosition].From = tableDef.InnerText;
    currentPosition++;
}

为了使这段代码简单，我假设了一些事情：

电子邮件始终位于 tr 中的第一个 td，其中包含一个在线链接属性
每个具有 onlink 属性的 tr 都包含一个电子邮件

如果这些条件不适用，此代码将不起作用，它可能会抛出一些异常 (IndexOutOfRangeExceptions) 或者它可能会匹配具有错误电子邮件地址的链接。

使用敏捷包解析 html

Parsing html using agility pack

html

c#

parsing

html-agility-pack