如何在 C# 中使用 HTMLNode 和 HtmlAgility-Pack 从网站获取值

Question

我正在尝试从中获取数据 website

我想从 table 获得：级别、职业和姓名。它们直接位于 tr class -> td。我怎样才能得到这些信息？数据是这样的：

<table width="100%" class="tabi">
  <tr>
    <td colspan=7>
      Characters
    </td>
  </tr>

  <tr>
    <td height='30' style='background-color:#9f8f6d;'>
      <a href=?page=whoisonline&ord=name&sort=DESC&id=1>&#8593;Name</a>
    </td>
    <td width='240' style='background-color:#9f8f6d;'>
      <a href=?page=whoisonline&ord=voc&sort=DESC&id=1>Vocation</a>
    </td>
    <td width='120' style='background-color:#9f8f6d;'>
      <a href=?page=whoisonline&ord=lvl&sort=DESC&id=1>Level</a>
    </td>
  </tr>

  <tr class='hover'> 
    <td>
      <a href='?page=character&name=Abe' class='menulink_hs'>Abe</a>
    </td>
    <td>
      Elder Druid
    </td>
    <td>
      19
    </td>
  </tr>

现在我卡住了 使用节点从 tds 中获取这些数据，结果很糟糕。我的 htmlNodes 要么是 NULL，要么它提供了多个节点（由于某种原因我实际上无法摆脱它）。 对此有什么好的解决方案？

我的代码：

var html = @"https://tibiantis.online/?page=whoisonline";
                HtmlWeb web = new HtmlWeb();
                var htmlDoc = web.Load(html);

                HtmlNode htmlNodes = htmlDoc.DocumentNode.SelectSingleNode("/html/body/div[2]/table/tbody/tr[1]/td[3]/div[2]/div[2]/table/tbody/tr[3]");
                foreach (var node in htmlNodes)
                {
                    foreach (var cell in htmlNodes.SelectNodes(".//td"))
                    {
                        listBox1.Items.Add(cell.InnerText);
                    }
                }

** 我被这个 .SelectNodes 问题困住了，不管是什么给我 null 或太多节点。我尝试了很多与 .SelectSingleNode 和 .SelectNode 的组合 **

其次，我不知道如何获得我将收到的物品数量。

我在堆栈上寻找答案，google 得到了一些结果，但没有一个接近我的情况

Answer 1

试试这个：

public class Person
{
    public string Name { get; set; }
    public string Vocation { get; set; }
    public int Level { get; set; }

    public static List<Person> LoadPersons(HtmlAgilityPack.HtmlDocument doc)
    {
        var persons = new List<Person>();

        var rowsNodes = doc.DocumentNode.SelectNodes("//table//tr[contains(@class, 'hover')]");
        if (rowsNodes == null)
        {
            return persons;
        }

        foreach (var rowNode in rowsNodes)
        {
            var cells = rowNode.SelectNodes(".//td");
            if (cells != null && cells.Count >= 3)
            {
                var name = cells[0].InnerText;
                var vocation = cells[1].InnerText;
                var levelText = cells[2].InnerText;

                if (int.TryParse(levelText, out int level))
                {
                    persons.Add(new Person
                    {
                        Name = name,
                        Vocation = vocation,
                        Level = level
                    });
                }
            }
        }

        return persons;
    }
}

这个 class 代表一个人（table 中的一行）并包含一个废弃 table 的方法。当你进行抓取时，你必须尝试变得有点笼统，因为将所有标签放入查询中会使查询失败并有一点 HTML 更改。

我只是在文档 (//) 中搜索 table 并且在 table 中搜索（// 因为可能某些浏览器会自动添加 tbody），select 所有带有“悬停”的行 (tr) class（您的人）。

迭代每一行获取 3 个单元格文本。最后一个（级别），转换为整数。然后，创建人。

现在，您可以创建一个 class 来定义列表中的每个项目。当我从 ListBox 中获取一个项目时，我几乎总是创建一个 class 来使用 class（将 selected 项目作为 PersonItem 并对其进行任何处理......）：

public class PersonItem
{
    public PersonItem(Person person)
    {
        this.Person = person;
    }

    public Person Person { get; }

    public override string ToString()
    {
        return $"{this.Person.Name} ({this.Person.Level})";
    }
}

它只是 Person 的包装器。用要在列表框中显示的文本覆盖 ToString。

测试一下：

var web = new HtmlWeb();
var doc = web.Load("https://tibiantis.online/?page=whoisonline");

var persons = Person.LoadPersons(doc);
foreach (var person in persons)
{
    var item = new PersonItem(person);
    listBox1.Items.Add(item);
}

// In any moment, you may do things like this:
var personItem = listBox1.SelectedItem as PersonItem;
if (personItem != null)
{
    var person = personItem.Person;
    // ...
}

如何在 C# 中使用 HTMLNode 和 HtmlAgility-Pack 从网站获取值

How to get values from website using HTMLNode and HtmlAgility-Pack in C#

c#

nodes

html-agility-pack