如何使用C＃

Question

我試圖從這個網站標籤

sometext

提取文本，我有這樣的代碼來提取網頁數據：

using System; 
using System.Net; 
using HtmlAgilityPack; 

namespace GC_data_console 
{ 
    class Program 
    { 
     public static void Main(string[] args) 
     { 

      using (var client = new WebClient()) 
      { 
       // Download the HTML 
       string html = client.DownloadString("https://www.requestedwebsite.com"); 


       HtmlDocument doc = new HtmlDocument(); 
       doc.LoadHtml(html); 


       foreach(HtmlNode link in 
         doc.DocumentNode.SelectNodes("//span")) 
       { 
        HtmlAttribute href = link.Attributes["id='example1'"]; 


        if (href != null) 
        { 
        Console.WriteLine(href.Value.ToString()); 
         Console.ReadLine(); 
        } 
       } 
       } 
      } 
     } 
    } 
} 

但我仍然沒有得到文字「sometext」。

但是，如果我插入HtmlAttribute href = link.Attributes [「id」]; 我會得到所有的ID名稱。

我在做什麼錯了？

Answer 1

您需要先了解HTML節點和HTMLAttribute之間的區別。你的代碼遠沒有解決問題。

HTMLNode表示HTML中使用的標籤，如span,div,p,a等等。 HTMLAttribute表示用於HTMLNode的屬性，例如href屬性用於a和style,class,id,name等屬性用於幾乎所有HTML標籤。

在下面HTML

<span id="firstName" style="color:#232323">Some Firstname</span> 

span是HTMLNode而id和style是HTMLAttributes。您可以使用HtmlNode.InnerText屬性獲得值Some FirstName。

也從HtmlDocument中選擇HTMLNode並不那麼簡單。你需要提供適當的XPath來選擇你想要的節點。

現在在您的代碼中，如果您想要獲得<span id="ctl00_ContentBody_CacheName">SliverCup Studios East</span>（它是someurl.com的HTML的一部分）中編寫的文本，則需要編寫以下代碼。

using (var client = new WebClient()) 
{ 
    string html = client.DownloadString("https://www.someurl.com"); 

    HtmlDocument doc = new HtmlDocument(); 
    doc.LoadHtml(html); 

    //Selecting all the nodes with tagname `span` having "id=ctl00_ContentBody_CacheName". 
    var nodes = doc.DocumentNode.SelectNodes("//span") 
     .Where(d => d.Attributes.Contains("id")) 
     .Where(d => d.Attributes["id"].Value == "ctl00_ContentBody_CacheName"); 

    foreach (HtmlNode node in nodes) 
    { 
     Console.WriteLine(node.InnerText); 
    } 
} 

上面的代碼將選擇所有span標籤，它們可直接在HTML的文檔節點下。您需要使用不同的XPath，位於層次結構內部的標籤。

這應該有助於您解決問題。