HTML 敏捷包：解析 href 标签

Posted 2023-02-24

【中文标题】HTML 敏捷包：解析 href 标签

【英文标题】：HTML Agility pack: parsing an href tag

【发布时间】：2012-01-19 19:49:00

【问题描述】：

我将如何有效地从中解析 href 属性值：

<tr>
<td rowspan="1" colspan="1">7</td>
<td rowspan="1" colspan="1">
<a class="undMe" href="/ice/player.htm?id=8475179" rel="skaterLinkData" shape="rect">D. Kulikov</a>
</td>
<td rowspan="1" colspan="1">D</td>
<td rowspan="1" colspan="1">0</td>
<td rowspan="1" colspan="1">0</td>
<td rowspan="1" colspan="1">0</td>
[...]

我有兴趣拥有玩家 ID，即：8475179这是我目前拥有的代码：

        // Iterate all rows (players)
        for (int i = 1; i < rows.Count; ++i)
        
            htmlNodeCollection cols = rows[i].SelectNodes(".//td");

            // new player
            Dim_Player player = new Dim_Player();

                // Iterate all columns in this row
                for (int j = 1; j < 6; ++j)
                
                    switch (j) 
                        case 1: player.Name = cols[j].InnerText;
                                player.Player_id = Int32.Parse(/* this is where I want to parse the href value */); 
                                break;
                        case 2: player.Position = cols[j].InnerText; break;
                        case 3: stats.Goals = Int32.Parse(cols[j].InnerText); break;
                        case 4: stats.Assists = Int32.Parse(cols[j].InnerText); break;
                        case 5: stats.Points = Int32.Parse(cols[j].InnerText); break;
                    
                

【问题讨论】：

如果switch 中有硬编码索引，为什么要使用for 循环？为什么不player.Position = cols[2].InnerText;

好点。我正在回收我写的一些旧代码，所以我没有想到。

【参考方案1】：

使用 XPath 表达式查找它：

 foreach (HtmlNode link in doc.DocumentNode.SelectNodes("//a[@class='undMe']"))
 
      HtmlAttribute att = link.Attributes["href"];
      Console.WriteLine(new Regex(@"(?<=[\?&]id=)\d+(?=\&|\#|$)").Match(att.Value).Value);
 

【参考方案2】：

根据您的示例，这对我有用：

HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.Load("test.html");
var link = htmlDoc.DocumentNode
                  .Descendants("a")
                  .First(x => x.Attributes["class"] != null 
                           && x.Attributes["class"].Value == "undMe");

string hrefValue = link.Attributes["href"].Value;
long playerId = Convert.ToInt64(hrefValue.Split('=')[1]);

实际使用需要添加错误检查等

【讨论】：

对我也有用！只是我还是这很不方便，因为我们必须使用htmlDoc，在其中我们可以找到所有具有“undMe”类的节点，而我们可以使用cols[j]，它的InnerHtml 中有href？

您对链接的位置做出了非常强烈的假设 - 这可能工作正常，但非常僵化并且会中断，即如果您添加另一列。所提出的方法不会因为它在最小假设下查询链接

实际上，唯一的问题是First()，它是静态的，总是带来他找到的第一个元素。我需要一些动态的东西来获取实际元素。

啊……找到了：var link = cols.Descendants("a").First();，因为我只想在我已经找到的列中搜索。

这是一个很棒的答案......它工作得很好。唯一的问题是将 .First 替换为 .FirstOrDefault ，否则会抛出异常。