使用HtmlAgilityPack解析HTML读取选项标记内容

Question

使用HtmlAgilityPack解析HTML读取选项标记内容

3

我想使用HtmlAgilityPack来解析HTML，但是遇到了问题。

示例HTML文档：

<tr>
  <td class="css_lokalita" colspan="4">
    <select id="region" name="region">
      <option value="0"  selected>Všetky regiony</option>
      <optgroup>Banskobystrický kraj</optgroup>
      <option value="k_1"  style="color: #000000; font-weight:bold;">Banskobystrický kraj</option>
      <option value="1">&nbsp;&nbsp;&nbsp;Banská Bystrica</option>
          .
          .
          .
      <option value="174">&nbsp;&nbsp;&nbsp;CZ - Ústecký kraj</option>
      <option value="175">&nbsp;&nbsp;&nbsp;CZ - Zlínský kraj</option>     
    </select>
  </td>
</tr>

<tr>
  <td class="css_sfotkou"  colspan="4">
    <input type="checkbox" name="foto" value="1" id="foto" />
    <label for="foto">Iba používatelia s fotkou</label>
  </td>
</tr>

<tr>
  <td class="css_miestnost" colspan="4">
    <select name="akt-miest" id="onoffaci">
      <option value="a_0">Všetci</option>
          .
          .
          .
      <optgroup label="Záľuby a záujmy">
        <option value="m_1419307">&nbsp;&nbsp;&nbsp;Bez Lásky</option>
          .
          .
          .
        <option value="m_1108016">&nbsp;&nbsp;&nbsp;Drum N Bass</option>
      </optgroup>
    </select>
  </td>
</tr>

我需要从<select name="akt-miest" id="onoffaci">中解析值。

例如：

<option value="**a_0**">**Všetci**</option>

我需要获取值为**a_0**和文本为**Všetci**。

因此，我首先尝试通过ID访问选择器：

var selectNode = htmlDoc.GetElementbyId("onoffaci");

然后使用Xpath选择所有选项节点。

var nodes = selectNode.SelectNodes("//option");

获取数值：

foreach (var node in nodes)
{
    string roomName = node.NextSibling.InnerText;
    string roomId = node.Attributes["value"].Value;
    rooms.Add(new Room { RoomId = roomId, RoomName = roomName });
}

但是我从另一个选择器中获取值 (<select id="region" name="region">)，这个选择器位于HTML代码的顶部。

编辑后:

我采用了Darin Dimitrov的建议并尝试了这个方法:

HtmlNode selectNode = htmlDoc.GetElementbyId("onoffaci");

var nodes = selectNode.SelectNodes("option");

foreach (var node in nodes)
{
    string roomName = node.NextSibling.InnerText;
    string roomId = node.Attributes["value"].Value;
    rooms.Add(new Room { RoomId = roomId, RoomName = roomName });
}

return rooms;

我只解析了前三个选项元素，因为我认为问题在于选择包含optgroup标签。

<select name="akt-miest" id="onoffaci">
  <option value="a_0">Všetci</option>
  <option value="a_1">Iba prihlásení</option>
  <option value="a_5" selected="selected">Teraz na Pokeci</option>
  <optgroup label="Hlavné miestnosti">
    <option value="m_13">&nbsp;&nbsp;&nbsp;Bez záväzkov</option>
    <option value="m_9">&nbsp;&nbsp;&nbsp;Do pohody</option>
    <option value="m_39">&nbsp;&nbsp;&nbsp;Dámsky klub</option>
  </optgroup>
  .
  .
  .

我尝试使用以下方法选择所有后续节点：

var nodes = selectNode.SelectNodes("option::*");

但是我遇到了这个错误：xpath有一个无效的标记。

我想要访问selectNode的所有子节点：

HtmlNode selectNode = htmlDoc.GetElementbyId("onoffaci");

编辑 #2:

这是一个完整的HTML文件，我需要解析其中的选项标签。

http://hotfile.com/dl/98442053/577b556/source.html

- user572844

@user572844：请检查我的答案，其中包含解决方案和说明。 - user357812

3个回答

1

您的XPath表达式：

//option

这是一个绝对路径：它遍历整个树，从根开始。

你需要一个相对XPath表达式：

descendant::option

或者使用简写形式

.//option

请注意：这是唯一一种情况，在此使用以 . （self::node()简写）开头的路径是有用的。

- user357812

0

你应该使用：

selectNode.SelectNodes("option");

改为：

selectNode.SelectNodes("//option");

如果您的XPath表达式是从HTML文档的根开始的。

- Darin Dimitrov

我从选择节点开始，但是遇到了问题，因为选择标签中还包含optgroup标签。 - user572844

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Simon Mourier · Accepted Answer

默认情况下，Html Agility Pack将<OPTION>标签视为“Empty”，这意味着它不需要一个闭合的</OPTION>标签。在这种情况下，关闭标签将被丢弃。您可以使用HtmlNode.ElementFlags集合更改此行为。

以下是一个应该满足您需求的代码：

HtmlDocument doc = new HtmlDocument();
HtmlNode.ElementsFlags.Remove("option");
doc.LoadHtml(yourHtml);

foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//select[@id='onoffaci']//option"))
{
    Console.WriteLine("Value=" + node.Attributes["value"].Value);
    Console.WriteLine("InnerText=" + node.InnerText);
    Console.WriteLine();
}