Przetwarzanie HTML z HTML Agility Pack i Linq

Question

Mam następujący kod HTML

(..) 
<tbody> 
<tr> 
    <td class="name"> Test1 </td> 
    <td class="data"> Data </td> 
    <td class="data2"> Data 2 </td> 
</tr> 
<tr> 
    <td class="name"> Test2 </td> 
    <td class="data"> Data2 </td> 
    <td class="data2"> Data 2 </td> 
</tr> 
</tbody> 
(..) 

Informacja mam to nazwa => tak "Test1" & "Test2". Chcę wiedzieć, w jaki sposób mogę uzyskać dane, które są w "danych" i "danych2" w oparciu o nazwę mam.

Obecnie używam:

var data = 
    from 
     tr in doc.DocumentNode.Descendants("tr") 
    from 
     td in tr.ChildNodes.Where(x => x.Attributes["class"].Value == "name") 
    where 
     td.InnerText == "Test1" 
    select tr; 

Ale pojawia {"Object reference not set to an instance of an object."} kiedy próbuję spojrzeć w data

Answer 1

chodzi o swojej próbie, masz dwa problemy z kodem:

1. ChildNodes jest dziwne - to również zwraca whitespace węzły tekstowe, które nie mają class atrybuty (nie mogą mieć atrybuty, z kierunek).
2. Jak skomentował James Walford, spacje wokół tekstu są znaczące, prawdopodobnie chcesz je przyciąć.

Z tych dwóch korekt, następujące prace:

var data = 
     from tr in doc.DocumentNode.Descendants("tr") 
     from td in tr.Descendants("td").Where(x => x.Attributes["class"].Value == "name") 
    where td.InnerText.Trim() == "Test1" 
    select tr; 

Answer 2

Oto jedno podejście - najpierw przeanalizować wszystkie dane w strukturze danych, a następnie ją przeczytać. To jest trochę brudny i na pewno potrzebuje więcej walidacji, ale tu idzie:

HtmlWeb hw = new HtmlWeb(); 
HtmlDocument doc = hw.Load("http://jsbin.com/ezuge4"); 
HtmlNodeCollection nodes = doc.DocumentNode 
           .SelectNodes("//table[@id='MyTable']//tr"); 
var data = nodes.Select(
    node => node.Descendants("td") 
     .ToDictionary(descendant => descendant.Attributes["class"].Value, 
         descendant => descendant.InnerText.Trim()) 
     ).ToDictionary(dict => dict["name"]); 
string test1Data = data["Test1"]["data"]; 

Tu zwracam każdy <tr> do słownika, gdzie klasa <td> jest kluczem, a tekst jest wartością. Następnie włączam listę słowników do słownika słówek (tip - abstract that away), gdzie klucz name każdego .

Answer 3

zamiast

td.InnerText == "Test1" 

spróbować

td.InnerText == " Test1 " 

lub

d.InnerText.Trim() == "Test1" 

Answer 4

Oto sposób XPATH - hmmm ... wszyscy zdają się zapominać o XPath energii i skoncentrować się wyłącznie na C# XLinq, w tych dniach :-)

Funkcja ta pobiera wszystkie wartości danych związanych z nazwą:

public static IEnumerable<string> GetData(HtmlDocument document, string name) 
{ 
    return from HtmlNode node in 
     document.DocumentNode.SelectNodes("//td[@class='name' and contains(text(), '" + name + "')]/following-sibling::td") 
     select node.InnerText.Trim(); 
} 

na przykład ten kod będzie zrzucić wszystko '' test2 dane:

HtmlDocument doc = new HtmlDocument(); 
    doc.Load(yourHtml); 

    foreach (string data in GetData(doc, "Test2")) 
    { 
     Console.WriteLine(data); 
    } 

Answer 5

mogę polecić jeden z dwóch sposobów:

http://htmlagilitypack.codeplex.com/, który konwertuje kod html na prawidłowy xml, który można następnie sprawdzić za pomocą OOTB Linq.

Albo

LINQ do HTML (http://www.superstarcoders.com/linq-to-html.aspx), który jednocześnie nie utrzymywanych na CodePlex (to była wskazówka, Keith), daje rozsądny zestaw funkcji do pracy z trampoliną.