如何解析包含多个标签的 html 节点?

How to parse an html node containing multiple tags?

我能够到达我想要提取的节点,但无法弄清楚如何在节点内分隔不同的标签。

p.s。我对正则表达式没问题;只是好奇 Html Agility Pack 是否存在更简单的方法。

代码:

...
...
HtmlNodeCollection nodes = webContent.DocumentNode.SelectNodes("//*[@id='node-name']/ul/li");

foreach (HtmlNode node in nodes) {
    String link = ???; // extract the http link here (href)
    String text = ???; // extract the inner text here
    String nums = ???; // extract the content of <small> tag here
    ...
}

html样本:

...
...
<ul class="some-class-name">
  <li>
    <a href="http://link-1.com">text for link 1<small>1</small></a>
  </li>
  <li>
    <a href="http://link-2.org">text for link 2<small>2</small></a>
  </li>
  <li>
    <a href="http://link-3.net">text for link 3<small>3</small></a>
  </li>
</ul>
...
...

您可以使用原生 API.
中的元素或后代 请记住,您可以使用 this 等扩展来启用 css 选择器查询,据我所知,这是首选(也是最简单)的方式。

下面是一段代码:

    //
    var doc = new HtmlDocument();
    doc.LoadHtml(@"
        <ul class='some -class-name'>
          <li>
            <a href = 'http://link-1.com' > text for link 1<small>1</small></a>
          </li>
          <li>
            <a href = 'http://link-2.org' > text for link 2<small>2</small></a>
          </li>
          <li>
            <a href = 'http://link-3.net' > text for link 3<small>3</small></a>
          </li>
        </ul>
    ");

    Console.WriteLine("-------------------- Using Element(s) -------------------------");

    //using Element(s), queries children in the next level only
    var ul = doc.DocumentNode.Element("ul");
    var lis = ul.Elements("li");
    foreach(var li in lis)
    {
        var a = li.Element("a");
        var href = a?.GetAttributeValue("href");
        var smallText = a.Element("small")?.InnerText;

        Console.WriteLine($"a href: [{href}] small: [{smallText}]");
    }

    Console.WriteLine("-------------------- Using Descendants -------------------------");

    //using Descendants
    var anchors = doc.DocumentNode.Descendants("a");
    foreach(var a in anchors)
    {
        var href = a?.GetAttributeValue("href");
        var smallText = a.Element("small")?.InnerText;

        Console.WriteLine($"a href: [{href}] small: [{smallText}]");
    }

输出: