如何按特定 ID 解析 html 表（来自文件）

Posted 2023-02-16

【中文标题】如何按特定 ID 解析 html 表（来自文件）

【英文标题】：How to parse html table (from file) by specific ID

【发布时间】：2021-12-07 01:57:45

【问题描述】：

我正在尝试从下载的 html 中获取特定表（通过 id）并解析它我尝试了几种方法，我的最后一个代码是

            var url = @"C:\Users\name\Plocha\web.html";

        var doc = new HtmlDocument();

        doc.Load(url);

        string data = "";
        int i = 2;
        foreach (HtmlNode table in doc.DocumentNode.SelectNodes("//table"))
        
            Console.WriteLine($"Found: table.Id");
            if (table.Id == "formTbl")
            
                foreach (HtmlNode row in table.SelectNodes("//tr"))
                
                    foreach (HtmlNode cell in row.SelectNodes("td"))
                    
                        if (i == 1)
                        
                            data += $"Column:cell.InnerText";
                            i = 2;
                        
                        else if (i == 2)
                        
                            data += $"Row: cell.InnerText";
                            Console.WriteLine(data);
                            data = "";
                            i = 1;
                        
                        
                        
                            
                    
                    
                    
                
            
            else
            
                Console.WriteLine("Not what we want");
            



        

问题是它会打印网页中的所有表格，即使我已指定仅在 id = formTbl 时继续。

数据在表上的外观（没有列名，只有两行，第一行是列名，第二行是值）

【参考方案1】：

SelectNodes() 接受XPath 查询。一些有用的examples here。与您的案例相关的一个特定内容是：//book - 选择所有书籍元素无论它们在文档中的什么位置。

这意味着如果你想尊重范围，你应该寻找"tr"，而不是使用"//tr"（搜索整个文档）。

您甚至可以使用 xpath 执行 id 搜索并选择下面的 <tr>，使用单个查询：

foreach (var row in doc.DocumentNode.SelectNodes("//table[@id='formTbl']/tr"))

    // ...do <tr> stuff
    foreach (var cell in row.SelectNodes("td"))
    
        // ... do <td> stuff
    

【讨论】：

您好，我收到异常 System.NullReferenceException: '对象引用未设置为对象的实例。不太确定它有什么问题。 pastebin.com/USa7xDHS

@Justyn 区分大小写。你的桌子 id 是 formtbl 还是 formTbl？

是的，我认为是 @Justyn 你在 pastebin 上链接的代码是小写的好吧，这是我的代码，我尝试了新的但没有真正工作：pastebin.com/T5TGganw

【参考方案2】：

foreach (var table in doc.DocumentNode.SelectNodes("//table[@id='formTbl']"))

    foreach (var row in table.SelectNodes("tbody/tr"))
    
        Console.WriteLine(row.Id);
        foreach (var cell in row.SelectNodes("td"))
        
            Console.WriteLine(cell.InnerText);
        
    

问题是我没有用过 tbody/tr

感谢@NPras