C＃中的HTML解析 - 分類

Question

我正在研究情感分類，並且我正在解析本地電影數據庫中的數據。問題是他們有三種分類形式。一個與星（實現了......）一個「垃圾」，並沒有給明星或者叫它垃圾在這裏是主要的鏈接到它：http://www.csfd.cz/film/7049-playgirls/?all=1你需要檢查源代碼 - 這裏有一個例子，你可以看到所有這三種用戶電影評價。

</li> 
<li id="comment-8356897"> 
    <h5 class="author"><a href="/uzivatel/138463-campbell/">Campbell</a></h5> 
    <img src="http://img.csfd.cz/assets/images/rating/stars/2.gif" class="rating" width="16" alt="**" /> 
    <div class="info"> 
     <a href="/uzivatel/138463-campbell/komentare/">všechny komentáře uživatele</a></div> 
    <p class="post">Ale jo:-D Když jsem viděl že tenhle film je na prvním místě mezi největšíma sračkama na CSFD, a tak jsem se zhrozil a abych si utrpení ještě vylepšil, tak jsem si pustil oba dva díly naráz. No hell to celkem bylo ale ne nic extrémní. Viděl jsem větší shity. V tomhle filmu jsem měl děsnej problém fandit někomu fandit protože to moc nejde. Šílenost, Ale ne nejhorší.<span class="date desc">(11.3.2011)</span></p> 
</li> 
<li id="comment-872277"> 
    <h5 class="author"><a href="/uzivatel/48974-fleker/">fleker</a></h5> 

    <div class="info"> 
     <a href="/uzivatel/48974-fleker/komentare/">všechny komentáře uživatele</a></div> 
    <p class="post">tak na todle rači ani koukat nebudu; hodnocení to má slušný ale nechci riskovat aby mi vyschla mícha<span class="date desc">(29.7.2009)</span></p> 
</li> 
<li id="comment-327360"> 
    <h5 class="author"><a href="/uzivatel/41698-ozo/">Ozo</a></h5> 
    <strong class="rating">odpad!</strong> 
    <div class="info"> 
     <a href="/uzivatel/41698-ozo/komentare/">všechny komentáře uživatele</a></div> 
    <p class="post">Změna názoru - tohle si jednu hvězdičku nezaslouží =(<span class="date desc">(29.7.2007)</span></p> 
</li> 

非常感謝 我的計劃是做這樣的：「odpad」

string srxPathOfCategory = "//ul[@class='ui-posts-list']//li//img[@class='rating'] | //ul[@class='ui-posts-list']//li//strong[@class='rating']"; 
     foreach (var att in doc.DocumentNode.SelectNodes(srxPathOfCategory)) // | .//strong[@class='rating']")){ 
     { 

      if (att.InnerText == "odpad!") //odpad means rubbish 
      { 
       b[j] = att.InnerText; //saving "odpad!" for later use 

      } 
      if (att.Attributes["alt"] != null) 

      { 
       b[j] = att.Attributes["alt"].Value; //these values are from 1* to 5***** 

      } 
      if (att.InnerText != "odpad!" && att.Attributes["alt"] == null)//this is where the problems starts 
      { 
        b[j] = "without user evaluation"; 

      } 

      j++; 
     } 

與此代碼問題是，如果它未能找到att.InnerText ==或att.Attributes [「alt」]！= null它繼續到下一篇文章，並從那裏進行用戶評估。但我希望至少與評價被忽略的職位相匹配。

Answer 1

感謝所有幫助，但問題是在xpath的html。

我解決它像這樣

string srxPathOfCategory = "//ul[@class='ui-posts-list']//li"; 

     foreach (var att in doc.DocumentNode.SelectNodes(srxPathOfCategory)) 
     { 

      foreach (var child in att.ChildNodes.Skip(3)) // skipping first three nodes //- first one is whitespace - marked as #text child node, then there is h5 and third is //another whitespace marked as #text child node 
      { 

       if (child.InnerText == "odpad!") 
       { 
        b[j] = child.InnerText; 
        Console.WriteLine(b[j]); 
        Console.ReadKey(); 
        break; 

       } 
       else if (child.Attributes["alt"] != null) 
       { 
        b[j] = child.Attributes["alt"].Value; 
        Console.WriteLine(b[j]); 
        Console.ReadKey(); 
        break; 
       } 
       else 
       { 
        b[j] = "without user evaluation"; 
        Console.WriteLine("hlupost"); 
        Console.ReadKey(); 
        break; 
       } 

      } 
      j++; 
     } 

Answer 2

「odpad！」不在屬性中，它在元素中。

Answer 3

如果您更改了if聲明會怎麼樣。爲什麼你甚至有3條if語句如果只有一個能是真的嗎？

// Is it "odpad" ? 
if (att.InnerText == "odpad!") 
{ 
    b[j] = att.InnerText; 

} 
// .. If not, is it starred? 
else if (att.Attributes["alt"] != null) 
{ 
    b[j] = att.Attributes["alt"].Value; 

} 
// If none of above, it must be this (default) 
else 
{ 
     b[j] = "without user evaluation"; 

}