HtmlAgilityPack NextSibling.InnerText 값이 비어 있습니다.

Question

HtmlAgilityPack을 사용하여 일부 데이터를 스크랩하고 있습니다.

html로는 다음과 같습니다

<div id="id-here"> 
    <dl> 
    <dt> Field Name </dt> 
    <dd> Value for above field name </dd> 
    <dt> Field Name </dt> 
    <dd> Value for above field name </dd> 
    <dt> Field Name </dt> 
    <dd> Value for above field name </dd> 
    </dl> 
</div> 

지금 내가 가지고있는 문제는 필드의 일련 번호 그래서 안정적으로 그들 각각이 좋아하는 액세스 어차피 항상이되지 않는 것입니다 :

//*[@id="id-here"]/dl[1]/dd[1] 

가 dd [1]은 한 페이지의 이름 일 수도 있고 사용자가 이름을 기입하지 못한 다른 필드의 전화 일 수도 있으므로 필드가 숨겨집니다.

그래서 모든 DT 및 DD 노드과 같이 잡아 :

foreach (HtmlNode node in details) 
    { 
     if (node.InnerText.Contains("Tel:")) telephone = node.NextSibling.InnerText; 
     if (node.InnerText.Contains("Email:")) email = node.NextSibling.InnerText; 
    } 

:

이

//*[@id="id-here"]/dl[1]/dt | //*[@id="id-here"]/dl[1]/dd 

지금 나는 그것이 내가 원하는 필드와 일치하는지 등처럼로 nextSibling 값을 각 노드를 확인

전화에 문제가 없지만 "Email :"노드가 나타나면 어떤 이유에서든지 NextSibling.InnerHTML & NextSibling.InnerText은 모두 다음 형제에게는 확실히 데이터가 있지만 비어 있습니다. 실제로 내가 에 가서 그걸 보면 InnerHTML은 전체 형식화 된 링크이고 InnerText은 이메일 주소입니다.

NextSibling.InnerText이 A 태그로 인해 작동하지 않습니까? 디버거에서 한 번 보았고 NextSibling에서 필요한 정보를 찾을 수 없습니다.

나는 대답이 어리석게 간단하다라고 생각한다. 누구든지 나를 비참하게 만들었지? 이런 일

Answer 1

이유 node 일부 공백하여 대응 dd 소자로부터 분리 된 dt 소자이면 다음 node.NextSibling이 모두 공백 텍스트 노드합니다 (</dt> 및 <dd> 사이의 공간)이 있다는 것이다. 디버거에서 살펴보면 node.NextSibling의 NodeType은 HtmlNodeType.Text이 아니라 HtmlNodeType.Element이 아님을 알 수 있습니다.

internal static string GetMatchingDdValue(HtmlNode dtNode) 
{ 
    var found = dtNode.SelectSingleNode("following-sibling::*[1][self::dd]"); 
    return found == null ? "" : found.InnerText; 
} 

그런 다음이처럼 사용할 수 있습니다 :

가 나는 dt 노드의이 dd 대응의 텍스트 얻을 수있는 편리한 방법을 만드는 것이 좋습니다 여기

if (node.InnerText.Contains("Tel:")) { telephone = GetMatchingDdValue(node); } 

---

은의 고장입니다 위 메서드에서 사용 된 다소 까다로운 XPath :

(a) following-sibling::* 

^현재 부모를 공유하고 이후에 발생하는 모든 요소를 ​​선택하십시오.

(b) following-sibling::*[1] 

^세트의 첫 번째 노드를 선택 (a)

(c) following-sibling::*[1][self::dd] 

^세트 내의 모든 노드를 선택하여 (하나가 존재하는 경우) (b) 는 이름 "DD"인 요소임을

SelectSingleNode()은 세트 (c)의 첫 번째 노드를 선택합니다.이 노드는 항상 1 또는 0 노드 여야합니다.

그냥 following-sibling::dd 또는 following-sibling::* 일 가능성이 높지만 위 경로에는 안전 장치가 포함되어 있습니다. "following-sibling::* 당신에게 결과를 줄 것이라고하면서,

<dl> 
    <dt>Tel:</dt> 
    <dt>Address:</dt> 
    <dd>50 Fake St.</dd> 
</dl> 

following-sibling::dd는 당신에게 결과"50 가짜 성 "을 줄 것이다 : 예를 들어, 어떤 이유로, 당신은 다음과 같은 XML을했고 현재 노드는 Tel: 요소였다 주소:". 대신 following-sibling::*[1][self::dd]은이 경우 빈 노드 집합을 선택하므로 메서드는 빈 문자열을 결과로 올바르게 생성합니다.

Answer 2

var html = @" 
<div id='id-here'> 
    <dl> 
    <dt> Field Name </dt> 
    <dd> Value for above field name </dd> 
    <dt> Field Name </dt> 
    <dd> Value for above field name </dd> 
    <dt> Field Name </dt> 
    <dd> Value for above field name </dd> 
    </dl> 
</div>"; 
html = new Regex(">\r\n\\s*<").Replace(html,"><"); 
var doc = new HtmlAgilityPack.HtmlDocument(); 
doc.LoadHtml(html); 
Console.Write(doc.DocumentNode.SelectNodes("//dt")[0].NextSibling.OuterHtml); 

<dd> Value for above field name </dd>