HtmlAgilityPack - 选择后代直到具有类的元素

Question

我在我的 C# 应用程序中使用 HtmlAgilityPack 来抓取一些 HTML 代码。但是我在选择特定标签时遇到问题。

这是我的 HTML：

<div class="Post">
    <img src="image.png" alt="Alt Text">
    <br>
    <b>THIS TEXT IS WHAT I WANT</b>
    <div class="DesktopElements">
        <br>
        Hello world
    </div>
    <br>
    Some text here.
    <br>
    <b>Title</b>
    <br>
    Some more text here.
</div>

我想要做的是选择第一个“b”标签内的文本：

<b>THIS TEXT IS WHAT I WANT</b>

，但前提是它位于类“DesktopElements”的 div 之前。我不想在“DesktopElements”类之后选择任何内容。 如果

<b>

标签在那里，这很好用。但问题是，有时这个

<b>

标签不会出现。

到目前为止，我一直在尝试获取

<b>

的第一个

<div class="Post">

后代，但正如您可能意识到的那样，如果标签不存在，它将无法工作。有时它在那里，有时它不在那里。

所以我基本上只需要检查

<b>

和

<div class="Post">

之间的

<div class="DesktopElements">

标签，然后选择第一个（也是唯一的）

<b>

。

我该怎么做？

换句话说，有时它看起来像这样：

<div class="Post">
    <img src="image.png" alt="Alt Text">
    <br>
    <div class="DesktopElements">
        <br>
        Hello world
    </div>
    <br>
    Some text here.
    <br>
    <b>Title</b>
    <br>
    Some more text here.
</div>

如果是这样的话，我只是将“p.Title”设置为“none”。

这是我目前使用的代码：

p.Title = row.SelectSingleNode(".//div[@class='Post']").Descendants("b").Select(title => title.InnerText).Where(t => !string.IsNullOrWhiteSpace(t)).ToList().First();

这将捕获第一个

<b>

标签的 InnerText 值，但如果在

<div class="DesktopElements">

之前没有“b”标签，它将改为选择下面的

<b>

标签，上面写着

<b>Title</b>

这不是我想要的选择。

Answer 1

您可以使用

TakeWhile

只获取

<div class="DesktopElements">

之前的节点，而不是只获取

Descendants("b")

：

var node = doc.DocumentNode.SelectSingleNode(".//div[@class='Post']")
    .Descendants()
    .TakeWhile(node => !node.HasClass("DesktopElements"))
    .FirstOrDefault(node => node.Name == "b");

p.Title = node?.InnerText ?? "none";

参见示例小提琴。

Answer 2

我假设你想要这个 XPath：

//div[@class='Post']/div[@class='DesktopElements']/preceding-sibling::b

这将只选择那些

b

在

div[@class='DesktopElements']

之前成为

div[@class='Post']

的孩子

编辑

查看共享网址后，我注意到没有课程

Post

和

DesktopElements

。 取而代之的是课程：

PostText

和

ForumDesktopElements

不知道这怎么可能，但如果是这样的话，您将需要这个 XPath

//div[@class='PostText']/div[@class='ForumDesktopElements']/preceding-sibling::b