HTML 敏捷包

Posted 2023-02-24

【中文标题】HTML 敏捷包

【英文标题】：HTML Agility Pack

【发布时间】：2011-01-26 05:41:34

【问题描述】：

我想使用 html 敏捷包解析 html 表。我只想从表中提取一些预定义的列数据。

但我是解析和 html 敏捷包的新手，我已经尝试过，但我不知道如何使用 html 敏捷包来满足我的需要。

如果有人知道，请尽可能举个例子

编辑：

如果我们只想提取决定的列名的数据，是否可以解析 html 表？就像有 4 列名称、地址、电话号码，我只想提取名称和地址数据。

【问题讨论】：

@Harikrishna - 你有表结构的小样本吗？

有关使用 html Agility pack 从 html 数据中提取数据的更多信息：***.com/questions/2431652/html-agility-pack

【参考方案1】：

在论坛here 中有一个例子。向下滚动一点以查看表格答案。我真希望他们能提供更容易找到的更好的样本。

编辑： 要从特定列中提取数据，您必须首先找到与您想要的列相对应的 <th> 标记并记住它们的索引。然后，您需要为相同的索引找到 <td> 标记。假设您知道列的索引，您可以执行以下操作：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://somewhere.com");
HtmlNode table = doc.DocumentNode.SelectSingleNode("//table");
foreach (var row in table.SelectNodes("//tr"))

    HtmlNode addressNode = row.SelectSingleNode("td[2]");
    //do something with address here
    HtmlNode phoneNode = row.SelectSingleNode("td[5]");
    // do something with phone here

编辑2： 如果您不知道列的索引，您可以这样做。我没有测试过。

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("http://somewhere.com");
var tables = doc.DocumentNode.SelectNodes("//table");

foreach(var table in tables)

    int addressIndex = -1;
    int phoneIndex = -1;
    var headers = table.SelectNodes("//th");
    for (int headerIndex = 0; headerIndex < headers.Count(); headerIndex++)
    
        if (headers[headerIndex].InnerText == "address")
        
            addressIndex = headerIndex;
        
        else if (headers[headerIndex].InnerText == "phone")
        
            phoneIndex = headerIndex;
        
    

    if (addressIndex != -1 && phoneIndex != -1)
    
        foreach (var row in table.SelectNodes("//tr"))
        
            HtmlNode addressNode = row.SelectSingleNode("td[addressIndex]");
            //do something with address here
            HtmlNode phoneNode = row.SelectSingleNode("td[phoneIndex]");
            // do something with phone here
        
    

【讨论】：

@Harikrishna - 每个表中的数据是否相同？您想从所有表中提取相同的列吗？您只想找到一个特定的表吗？在这里帮我一点忙。我一直在尝试回答，然后您提供更多信息。让我们在那里获取所有信息。

@Mike Two Sir..好吧，对不起...就像在网页中一样，有多个表格标签，但我只想从一个具有列名的表格中提取数据定义为地址和电话号码。其他表标签用于其他信息，无用。

@Mike Two Sir.. 有很多网页有多个表格。而且我想从每个网页中只提取一个表格的数据，该表格的名称为电话号码和地址.

@Harikrishna - 不用担心，只是想让这个过程更有效率。你怎么知道要找哪张桌子？仅仅是因为表格有你想要的列吗？你知道列的位置（比如地址是第 3 位，电话是第 7 位）以及名称吗？还是你只知道名字？

@Mike Two Sir.. 是的，我知道，列名是预定义的，应该从每个网页的表中提取数据。我知道列名，但不知道这些列名的位置.