C# HTML 敏捷包，从 div 中提取纯文本

Question

我正试图从 site 中提取简短的小广告（笑）。

HTML 下面是我要提取的内容。

<div class="field field-name-field-body-medium field-type-text-long field-label-hidden">
The community comics collaboration is back for another heaping helping of Academy fun!
</div>

我目前使用的代码无法正常工作。

var shortBio = doc.DocumentNode.Descendants("div").Where(p => p.Attributes.Contains("class") && p.Attributes["class"]
         .Value.Contains("field field - name - field - body - medium field - type - text - long field - label - hidden"));


 for (int i = 0; i < 5; i++)
     {
         blurbs[i] = shortBio.ElementAt(i).ToString();
     }

显然这不起作用，我不确定如何提取文本。我一直在寻找有关拉

的信息

提前谢谢你。

Answer 1

看起来你的目标 div 的父级被赋予了 class teaser-content 这可能是一个很好的标识符。下面的 XPath 应该 return 想要的 div :

//div[@class='teaser-content']/div

然后你可以从InnerText属性中获取div的内容文本，例如（将SelectSingleNode()替换为SelectNodes()并遍历结果，如果你想要 all divs 而不是第一个）：

var doc = new HtmlWeb().Load("http://na.leagueoflegends.com/en/news/");
var div = doc.DocumentNode.SelectSingleNode("//div[@class='teaser-content']/div");
Console.WriteLine(div.InnerText);

dotnetfiddle demo

输出：

The community comics collaboration is back for another heaping helping of Academy fun!

C# HTML 敏捷包，从 div 中提取纯文本

C# HTML agility pack, pulling plain text from a div

html

c#

html-agility-pack