選擇HTML節點seq的內部文本

我目前有一個使用HTML Agility包進行C＃網絡刮取，最終結果是表示一行表中數據的字符串數組列表。我對F＃非常陌生，遇到一些問題，理解如何正確解析它。我也是用這個F＃包裝：https://fsnotebook.net/notebook/fssnip-kr/HtmlAgilityPack_FSharp 選擇HTML節點seq的內部文本

我的C＃代碼：

var body = document.DocumentNode.Descendants().FirstOrDefault(n => n.Name == "body"); 
var table = body.Descendants("table").FirstOrDefault(t => t.Attributes.Contains("cellpadding") && t.Attributes["cellpadding"].Value == "1"); 
var rows = 
    table.Descendants("tr") 
     .Where(r => r.Attributes.Contains("bgcolor") && r.Attributes["bgcolor"].Value == "#ffffff"); 
List<string[]> athleteDatas = 
    rows.Select(t => t.Descendants("td").Select(d => d.InnerText).ToArray()).ToList();

我的F＃代碼。到目前爲止，我有一系列td元素，我需要選擇每個序列的內部元素作爲字符串數組，然後將其放回到序列/列表中。

let resultsBody resultsPage = 
    resultsPage 
    |> createDoc 
    |> descendants "table" 
    |> Seq.filter (hasAttr "cellpadding" "1") 
    |> Seq.head 
    |> descendants "tr" 
    |> Seq.filter (hasAttr "bgcolor" "#ffffff") 
    |> Seq.map(descendants "td") 
    |> Seq.toArray

來源

2014-06-05 CGross

如果我理解正確，缺少的部分被包含在原始代碼.Select(...)內，所以你需要修改map類似：

|> Seq.map (descendants "td" >> Seq.map innerText >> Array.ofSeq)

或者，如果你有一些困難點 - 免費：

|> Seq.map (fun line -> 
    line 
    |> descendants "td" 
    |> Seq.map innerText 
    |> Array.ofSeq)

來源

2014-06-05 15:42:31 Tarmil

您可以通過使用XPath來簡化此操作。這會返回一個seq<string>。如果您需要列表或陣列，請將最後一行輸入Seq.toList/Seq.toArray。

open HtmlAgilityPack 

let html = """ 
<html> 
    <body> 
     <table cellpadding="1"> 
      <tbody> 
       <tr bgcolor="#ffffff"> 
        <td> 
         Some text. 
        </td> 
       </tr> 
      </tbody> 
     </table> 
    </body> 
</html>" 
""" 

let doc = HtmlDocument() 
doc.LoadHtml(html) 
doc.DocumentNode.SelectNodes("//body/table[@cellpadding='1']//tr[@bgcolor='#ffffff']/td") 
|> Seq.map (fun n -> n.InnerText)

來源

2014-06-05 15:39:06 Daniel

謝謝。這實際上更有意義，但是我在發佈這個地方後發現了一個錯誤，在那裏我需要做bgcolor不是特定顏色的地方。我對XPath並不熟悉。 – CGross

只需將'@ bgcolor = '更改爲'@bgcolor！= '。 [MSDN上的XPath示例]（http://msdn.microsoft.com/zh-cn/library/ms256086（v = vs.110）.aspx）是一個很好的介紹。 – Daniel

選擇HTML節點seq的內部文本

回答

相關問題