HTML敏捷解析

Question

我想用XML to LINQ在一个绑定的列表框中解析HTML表格并显示内容。

我正在使用HTML Agility包，并使用以下代码：

    HtmlWeb web = new HtmlWeb();
    HtmlAgilityPack.HtmlDocument doc = web.Load("http://www.SourceURL");
    HtmlNode rateNode = doc.DocumentNode.SelectSingleNode("//div[@id='FlightInfo_FlightInfoUpdatePanel']");
    string rate = rateNode.InnerText;
    this.richTextBox1.Text = rate;

HTML看起来像这样...

<div id="FlightInfo_FlightInfoUpdatePanel">

   <table cellspacing="0" cellpadding="0"><tbody>
     <tr class="">
     <td class="airline"><img src="/images/airline logos/NZ.gif" title="AIR NEW ZEALAND LIMITED. " alt="AIR NEW ZEALAND LIMITED. " /></td>
     <td class="flight">NZ8</td>
     <td class="codeshare">&nbsp;</td>
     <td class="origin">San Francisco</td>
     <td class="date">01 Sep</td>
     <td class="time">17:15</td>
     <td class="est">18:00</td>
     <td class="status">DEPARTED</td>
     </tr>

但是它返回了这个 <\p>

NZ8 San Francisco01 Sep17:1518:00DEPARTEDAC6103NZ8San Francisco01 Sep17:1518:00DEPARTEDCO6754NZ8San Francisco01 Sep17:1518:00DEPARTEDLH7157NZ8San Francisco01 Sep17:1518:00DEPARTEDUA6754NZ8San Francisco01 Sep17:1518:00DEPARTEDUS5308NZ8San Francisco01 Sep17:1518:00DEPARTEDVS7408NZ8San Francisco01 Sep17:1518:00DEPARTEDEK407 Melbourne/Dubai01 Sep17:5017:50DEPARTEDEK413 Sydney/Dubai01 Sep18:0018:00DEPARTEDQF44 Sydney01 

我希望的是将此内容解析为XML格式，然后使用LINQ to XML将XML解析为绑定listbox的itemsource。

我认为我需要针对每个类使用以下变体，但需要一些帮助。

HtmlNodeCollection cols = rows[i].SelectNodes(".//td[@class='flight']");

- Rhys

Answer 1

你正在使用 InnerText，它会剥离 HTML 标签。

请使用 InnerHtml:

string rate = rateNode.InnerHtml;

您可以从此字符串创建一个XML文档（假设它是有效的XML）。

您还可以以与检索方式相同的方式查询rateNode - 选择其子节点：

var firstRow = rateNode.SelectSingleNode("./table/tbody/tr[0]");
string origin = firstRow.SelectSingleNode("./td[@class = 'origin']");

- Oded

---

有示例代码的机会吗？我在尝试解析那个 div 中的多个类并将其转换为 XML 时遇到了麻烦。 - Rhys

谢谢，似乎我已经让它能够工作了，不过它只返回了第一个结果，而需要返回数百个结果。 - Rhys

@Rhys - 你可能需要一个节点集，而不是单个节点。类似这样：var rows = rateNode.SelectNodes("./table/tbody/tr"); 然后遍历结果。 - Oded

谢谢你的帮助，我刚意识到我使用的是VS 2010而不是用于Windows手机的VS 2010。我不得不从头开始 :( - Rhys

我的另一个问题是[http://stackoverflow.com/questions/7267961/html-agilty-for-wp7-silverlight-c]，如果你愿意再帮我一下的话。 - Rhys

Answer 2

如果您想使用linq to xml，请将HtmlDocument转换为xml字符串：

HtmlWeb web = new HtmlWeb();
HtmlAgilityPack.HtmlDocument doc = web.Load("http://www.SourceURL");  
doc.OptionOutputAsXml = true;
System.IO.StringWriter sw = new System.IO.StringWriter();
System.Xml.XmlTextWriter xw = new System.Xml.XmlTextWriter(sw);
doc.Save(xw);
string result = sw.ToString();

那么您只需要创建一个XDocument对象并使用xml字符串进行加载：

System.Xml.Linq.XDocument xDoc = System.Xml.Linq.XDocument.Parse(result);

现在您拥有一个XDocument可以使用Linq。

- Alejandro Martin

---

但是这仅适用于HTML是有效的XML的情况。HtmlAgilityPack也可以处理普通的HTML。 - Hans Kesting

它可以输出有效的XML。我只是忘记添加doc.OptionOutputAsXml = true;这句话。 - Alejandro Martin

@alejandro 谢谢你的建议。但是，HTML不是XML，而且非常混乱，所以HTML Agility Pack可能是我最好的选择。不过，我还是给了你一个赞。 - Rhys