Analyser html avec le HTML Agility Pack et Linq

J'ai le code HTML suivant

(..)
<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>
(..)

L'information que j'ai est le nom => ainsi, "Test1" & "Test2". Ce que je veux savoir, c'est comment puis-je obtenir les données qui existent dans "données" et "data2", basé sur le Nom que j'ai.

Actuellement, je suis en utilisant:

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;

Mais je reçois {"Object reference not set to an instance of an object."} quand j'ai essayer de regarder dans data

source d'informationauteur Timo Willemsen

  1. 15

    Comme pour votre tentative, vous avez deux problèmes avec votre code:

    1. ChildNodes est bizarre, il renvoie également les espaces les nœuds de texte, qui ne disposent pas d'un class attributs (ne peut pas avoir des attributs, bien sûr).
    2. Que James Walford a commenté, les espaces autour du texte sont importants, vous souhaiterez probablement de les recadrer.

    Avec ces deux corrections, les ouvrages suivants:

    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;
  2. 4

    Ici est le chemin XPATH - hmmm... tout le monde semble avoir oublié la puissance de XPATH et de se concentrer exclusivement sur C# XLinq, ces jours 🙂

    Cette fonction récupère toutes les valeurs de données associées à un nom:

    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();
}

    Par exemple, ce code dump tous 'Test2' data:

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

    foreach (string data in GetData(doc, "Test2"))
    {
        Console.WriteLine(data);
    }
  3. 1

    Voici une approche - d'abord analyser toutes les données dans une structure de données, puis de les lire. C'est un peu désordonné et certainement besoin de plus de validation, mais va ici:

    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"];

    Ici je tourne tous les <tr> à un dictionnaire, où la classe de l' <td> est une clé et le texte est une valeur. Ensuite, je tourne la liste des dictionnaires dans un dictionnaire de dictionnaires (pointe - résumé à l'écart), où la name de chaque <tr> est la clé.

  4. 0

    au lieu de 

    td.InnerText == "Test1"

    essayer

    td.InnerText == " Test1 "

    ou

    d.InnerText.Trim() == "Test1"
  5. -1

    Je peux recommander l'une des deux façons suivantes:

    http://htmlagilitypack.codeplex.com/qui convertit le code html xml valide, qui peut ensuite être interrogé contre avec OOTB Linq.

    Ou,

    Linq to HTML (http://www.superstarcoders.com/linq-to-html.aspx), qui, tout en n'est pas maintenue sur CodePlex ( qui était une allusion, Keith ), donne un travail raisonnables de tremplin.