如何从 xPath 中删除 <a> 个元素？

Question

我正在使用 HTMLAgilityPack 在 C# 中制作一个应用程序。

我有以下 HTML 结构：

<td colspan="3">
    <a href="tournament_detail.asp?EID=3">The North West Junior Champions League 2016</a>
    <br>
    St Bedes Sports Fields,  Manchester. M21 0TT</td>
</td>

我想拉出地址，不包括<a>和<br />

我试过以下方法：

//div[@class='infobox']/table/tr/td[1][not a]

Here is the site I am trying to pull data from

我正在使用 HTMLAgilityPack，所以我不相信我可以使用 string() 函数（或者至少我在尝试时遇到异常）。 请不要将此标记为重复，因为我正在寻求澄清是否可以使用它。

我怎样才能只拉回地址？

Answer 1

添加谓词 [not(a)] 会导致 XPath 仅 return 没有子 <a> 的 <td> 元素，这不是想要的结果。相反，添加 /text()[normalize-space()] 这将 return 从选定的 <td> 直接子非空文本节点 :

var raw = @"<td colspan='3'>
    <a href='tournament_detail.asp?EID=3'>The North West Junior Champions League 2016</a>
    <br>
    St Bedes Sports Fields,  Manchester. M21 0TT</td>";
var doc = new HtmlDocument();
doc.LoadHtml(raw);
var td = doc.DocumentNode.SelectSingleNode("//td/text()[normalize-space()]");
Console.WriteLine(td.InnerText.Trim());

输出：

St Bedes Sports Fields,  Manchester. M21 0TT

如何从 xPath 中删除 <a> 个元素？

How to remove <a> elements from xPath?

html

c#

xpath

screen-scraping

html-agility-pack