XPath表达式在HtmlAgilityPack中无法正常工作

Question

我知道我的XPath技能可能有限，但是让我问一下以确保，因为我已经谷歌了很多。

我有一个网站，想从中获取新闻标题：www.farsnews.com（它是波斯语）

使用Firefox浏览器下的FireBug和FireXpath扩展，并手动提取和测试多个匹配标题的XPath表达式，例如：

* html/body/div[2]/div[2]/div[2]/div[*]/div[2]/a/div[2]
* .//*[@class="topnewsinfotitle "]
* .//div[@class="topnewsinfotitle "]

我也使用XPather扩展进行测试，它们似乎运行得很好，但当我进行测试时... SelectNodes返回null！

有任何线索或提示吗？

这是一段代码：

listBox2.ResetText();

HtmlAgilityPack.HtmlWeb w = new HtmlAgilityPack.HtmlWeb();
HtmlAgilityPack.HtmlDocument doc = w.Load("http://www.farsnews.com");
HtmlAgilityPack.HtmlNodeCollection nc = doc.DocumentNode.SelectNodes(".//div[@class=\"topnewsinfotitle \"]");

listBox2.Items.Add(nc.Count+" Items selected!");

foreach (HtmlAgilityPack.HtmlNode node in nc) {
            listBox2.Items.Add(node.InnerText);
        }

感谢您的选择。

- user433556

---

HTML类名应该以空格结尾吗？SelectNodes在每种情况下都返回null，即使是最微不足道的情况？ - Dialecticus

Answer 1

我已经测试了你的表达式。正如Dialecticus在评论中提到的那样，你有一个不应该存在的结束空格。

//div[@class='topnewsinfotitle ']/text()

返回“空序列”，查看评估：http://xmltools.dk/EQA-ACA6

//div[@class='topnewsinfotitle']/text()

返回您的头条新闻列表，参见：http://xmltools.dk/EgA2APAj。但是，如果您使用其他类（http://xmltools.dk/EwA8AJAW），也可以这样做。

//div[contains(@class, 'topnewsinfotitle')]/text()

我看到提供的链接存在编码问题，不过这对于意义和所有XPath表达式来说并不重要，你可以删除/text()以获取节点而不仅仅是文本。

但是，如果你拥有这个网站，你应该提供一个XML（可能是RSS或ATOM）或JSON格式的标题，这将具有更好的性能，并且最重要的是更加健壮。

- Lasse Espeholt