XPath在HTML頁面上刪除td列的內容以進行屏幕抓取

下面您會看到一段代碼，用於篩選經濟日曆。它使用XPath解析的HTML頁面包含此行，作爲表中的第一個排列。（僅粘貼整個HTML頁面的此行來代替。）XPath在HTML頁面上刪除td列的內容以進行屏幕抓取

<tr class="calendar_row newday singleevent" data-eventid="42064"> <td class="date"><div class="date">Sun<div>Dec 23</div></div></td> <td class="time">All Day</td> <td class="currency">JPY</td> <td class="impact"> <div title="Non-Economic" class="holiday"></div> </td> <td class="event"><div>Bank Holiday</div></td> <td class="detail"><a class="calendar_detail level1" data-level="1"></a></td> <td class="actual"> </td> <td class="forecast"></td> <td class="previous"></td> <td class="graph"></td> </tr>

該代碼使用XPath選擇第一TR行：

var doc = new HtmlDocument(); 
doc.Load(new StringReader(html)); 
var rows = doc.DocumentNode.SelectNodes("//tr[@class=\"calendar_row\"]"); 
var rowHtml = rows[0].InnerHtml;

的問題是，rowHtml返回此：

<td class="date"></td> <td class="time">All Day</td> <td class="currency">EUR</td> <td class="impact"> <div title="Non-Economic" class="holiday"></div> </td> <td class="event"> <div>French Bank Holiday</div> </td> <td class="detail"><a class="calendar_detail level2" data-level="2"></a></td> <td class="actual"> </td> <td class="forecast"></td> <td class="previous"></td> <td class="graph"></td>

現在您可以看到日期的td列的內容消失了！爲什麼？

我已經嘗試過很多事情，並且爲什麼會丟棄該列的內容。其他列包含它保留的內容。那麼日期欄有什麼問題？

是否有某種設置或屬性導致或防止丟棄內容？

即使您沒有線索有什麼問題，但有一些方法可以更多地進行調查。

來源

2013-09-26 Wayne

你可能會得到不同的行比你想要的...嘗試使Html非常簡單，所以它只是在你想要匹配的行... –

@Alexei你是對的。我認爲這些行的返回順序與HTML相同。他們可以隨機排列嗎？ – Wayne

@Alexei我得到的行有 Wayne

像@AlexeiLevenkov提到的，你必須選擇一個不同於你想要的行。你修剪過多的本質問題之遙的努力簡化，但它仍然清楚什麼是錯的......

考慮您的輸入文檔可能基本上是這樣的：

<?xml version="1.0" encoding="UTF-8"?> 
<table> 
    <tr class="calendar_row" data-eventid="12345"> 
    <td>This IS NOT the tr you're looking for</td> 
    </tr> 
    <tr class="calendar_row newday singleevent" data-eventid="42064"> 
    <td>This IS the tr you're looking for</td> 
    </tr> 
</table>

測試@class="calendar_row"將不會與您展示的tr相匹配，但會與第一排相匹配。

您可以改爲將您的測試更改爲contains(@class,'calendar_row')，但這樣會匹配兩行。你將不得不確定一些你想要的行所特有的內容或屬性。也許@data-eventid屬性會起作用 - 不能看到你的整個輸入文件。

來源

2013-09-27 02:03:28 kjhughes

你的答案是現貨。我其實需要所有的行，所以你的答案是完美的。其實我自己已經找到了這個，但會標記你的正確答案。 – Wayne

XPath在HTML頁面上刪除td列的內容以進行屏幕抓取

回答

相關問題