使用 Anglesharp 从 html 字符串中获取列表 <li> 标签的集合

Question

我正在尝试从维基百科页面获取歌曲名称列表 ("https://en.wikipedia.org/wiki/Category:The_Kinks_songs")

这是我目前正在尝试的代码

//Get page source and parse it
string pageSource = PageSource.Get(url);// own method
HtmlParser parser = new HtmlParser();
var doc = parser.Parse(pageSource);

//Get div tag with class="mw-category"
var div_mw_content_ltr = doc.All.Where(tag => tag.LocalName == "div" && tag.GetAttribute("class") == "mw-category");
//Get all li tags
var li = div_mw_content_ltr.All(tag => tag.LocalName == "li");

List<string> LS = new List<string>();
foreach (var item in div_mw_content_ltr)
    {
        string tmp = item.TextContent;
        LS.Add(tmp);
    }

return LS;

我对这些东西真的很陌生。 var li 是假的，我希望它是 div_mw_content_ltr.

中列表项标签的集合

我试图创建一个新的解析器并解析 div_mw_content_ltr 的内部 html，但该成员不存在。

我已经在 Whosebug 及其他平台上搜索了所有 anglesharp 标签，但找不到解决方案。我觉得在您甚至可以理解如何使用 anglessharp 之前，需要一些解析 html 和查询选择器等基础知识，所以作为一个方面，我也很感激任何资源链接到我得到的地方更好地了解如何实际使用 anglesharp 库。

感谢您抽空阅读。

Answer 1

问题

您的 div_mw_content_ltr 是 IEnumerable<IElement> 因为那是 Where return。所以在它上面使用 All 是一种不同的方法，如果所有元素都满足你的条件，它只是 returns true 或 false。它 return 是错误的，因为列表中的唯一元素是 div，它不会递归 return 所有符合条件的元素。

让它与 LINQ 一起工作

将 Where 更改为 First 因为您只需要一个，这也允许使用 Descendents:

var div_mw_content_ltr = doc.All.First(tag => tag.LocalName == "div" && tag.GetAttribute("class") == "mw-category");

而不是All，使用Descendents，其中return是div的所有后代，然后使用Where过滤：

var li = div_mw_content_ltr.Descendents().Where(tag => tag.NodeName.ToLower() == "li");

查询选择器

AngleSharp 基于 DOM，所以我会使用查询选择器 QuerySelector（第一个匹配项）或 QuerySelectorAll（所有匹配项）。

与上面的 LINQ 等效的是：

var li = doc.QuerySelectorAll("div.mw-category li");

div.mv-category li 表示获取所有 div 的 css class of mw-category，然后获取其中的所有 li。

查询选择器的语法基本上是 CSS Selector syntax，因此它不是 AngleSharp 特有的语法。如果您曾经做过 CSS 那么这应该很熟悉。

如果您还没有阅读过 AngleSharp 的 wiki。

使用 Anglesharp 从 html 字符串中获取列表 <li> 标签的集合

Get a collection of list <li> tags from html string using Anglesharp

c#

html

parsing

anglesharp