如何使用 HTMLAgilityPack 访问多个 <div> 标签的内容？

Question

我无法在 codeplex 网站上找到 HTMLAgilityPack 的文档。目前我想做的是访问 Amazon 网站上的 div，并抓取文本信息以用于 WPF 应用程序。

var getWeb = new HtmlWeb();                     
var doc = getWeb.Load(uri);
HtmlNode ourNode = doc.DocumentNode.SelectSingleNode("//div[@id = 'zg_centerListWrapper']");

这个 div 包含大约 12 个其他 div，每个都是 best sellers 类别中的一个项目。

为了访问每个属性似乎很费力（我也不完全确定乍一看我会怎么做）。那么我应该改用 DocumentNode.SelectNodes() 吗？我将如何实施它？此外，我发现很难相信在这样的时间之后没有 HTMLAgilityPack 的文档......也许我在错误的地方寻找，因为 youtube 似乎是我目前最好的来源。

Answer 1

你可以使用 DocumentNode.Descendants("div") 然后像

.Where(div => div.Attributes.Contains("class") && div.Attributes["class"].Value.Contains("best category"))

但是，是的，文档肯定会有所帮助..

Answer 2

实际上，SelectNodes()和SelectSingleNode()的参数是一个xpath表达式，准确地说是xpath version 1.0（参见xpath 1.0 spec here）。

XPath 是另一种技术，它有自己的规范、文档和讨论。您通常可以搜索 xpath 教程或文章而不是 HtmlAgilityPack (HAP) 细节，以便更好地了解应该将哪种表达式传递给 HAP 以获得特定的 HTML 元素。

为了举例，假设您的 HTML 看起来像这样：

<div id="zg_centerListWrapper">
    <div>I want this</div>
    <div>..and this</div>
    <div>..and this one too</div>
</div>

看到您感兴趣的 div 是 div[@id = 'zg_centerListWrapper'] 的 直接子代 ，那么您可以使用以下 xpath 获取它们：

var xpath = "//div[@id = 'zg_centerListWrapper']/div";
HtmlNodeCollection ourNodes = doc.DocumentNode.SelectNodes(xpath);

如何使用 HTMLAgilityPack 访问多个 <div> 标签的内容？

How do I access the content of multiple <div> tags with HTMLAgilityPack?

html

c#

wpf

html-agility-pack