HTML 敏捷包 - 在节点后抓取文本

Question

我有一些正在使用 C#

解析的 HTML

下面是示例文本，尽管它用不同的记录重复了大约 150 次

<strong>Title</strong>: Mr<br>
<strong>First name</strong>: Fake<br>
<strong>Surname</strong>: Guy<br>

我正在尝试获取数组中的文本，类似于

customerArray [0,0] = Title
customerArray [0,1] = Mr
customerArray [1,0] = First Name
customerArray [1,1] = Fake
customerArray [2,0] = Surname
customerArray [2,1] = Guy

我可以获取数组中的文本，但我无法获取 STRONG 关闭标签之后的文本，直到 BR 标记然后找到下一个 STRONG 标记

任何帮助将不胜感激

Answer 1

您可以使用 XPath following-sibling::text()[1] 获取直接位于每个 strong 之后的文本节点。这是一个最小但完整的示例：

var raw = @"<div>
<strong>Title</strong>: Mr<br>
<strong>First name</strong>: Fake<br>
<strong>Surname</strong>: Guy<br>
        </div>";
var doc = new HtmlDocument();
doc.LoadHtml(raw);
foreach(HtmlNode node in doc.DocumentNode.SelectNodes("//strong"))
{
    var val = node.SelectSingleNode("following-sibling::text()[1]");
    Console.WriteLine(node.InnerText + ", " + val.InnerText);
}

dotnetfiddle demo

输出：

Title, : Mr
First name, : Fake
Surname, : Guy

如果需要，您应该可以通过简单的字符串操作来删除“:”...

Answer 2

<strong> 是一个通用标签，因此对于您提供的示例格式来说是特定的标签。

var html = @"
<div>
<strong>First name</strong><em>italic</em>: Fake<br>
<strong>Bold</strong> <a href='#'>hyperlink</a><br>.
<strong>bold</strong>
<strong>bold</strong> <br>
text
</div>

<div>
<strong>Title</strong>: Mr<BR>
<strong>First name</strong>: Fake<br>
<strong>Surname</strong>: Guy<br>
</div>";

var document = new HtmlDocument();
document.LoadHtml(html);
// 1. <strong>
var strong = document.DocumentNode.SelectNodes("//strong");
if (strong != null)
{
    foreach (var node in strong.Where(
        // 2. followed by non-empty text node
        x => x.NextSibling is HtmlTextNode
        && !string.IsNullOrEmpty(x.NextSibling.InnerText.Trim())
        // 3. followed by <br>
        && x.NextSibling.NextSibling is HtmlNode
        && x.NextSibling.NextSibling.Name.ToLower() == "br"))
    {
        Console.WriteLine("{0} {1}", node.InnerText, node.NextSibling.InnerText);
    }
}

HTML 敏捷包 - 在节点后抓取文本

HTML Agility Pack - Grab Text after a node

html

c#

html-agility-pack