0

我有一个我似乎无法在这里解决的问题。假设我有一些像 beneth 这样的 html，我想解析。所有这些 html 都在页面上的一个列表中。并且名称会像我写的示例一样重复。 

<li class = "seperator"> a date </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>

<li class = "seperator"> a new date </li>
<li class = "lol"> some text </li>


<li class = "seperator"> a nother new date </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>

我确实设法使用 htmlagility pack 来单独解析每个 li 对象，并且几乎按照我想要的方式格式化它。我的打印 atm 看起来像这样：

"a date"    "some text"
"some text"
"some text"
"some text"

"a new date"  "some text"

"a nother new date "    "some text"
"some text"
"some text"

我想要达到的目标：

"a date"    "some text"
"a date"    "some text"
"a date"    "some text"
"a date"    "some text"

"a new date"    "some text"

"a nother new date "    "some text"
"a nother new date "    "some text"
"a nother new date "    "some text"

但问题是在每个分隔符下，每个 lol 对象的计数可能会有所不同。所以有一天，网页可能在日期 1 下有一个 lol 对象，第二天它可能有 10 个 lol 对象。因此，如果有一种智能/简单的方法可以以某种方式计算分隔符之间的 lol 对象的数量，我会感到很痛苦。或者如果有另一种方法来解决这个问题？例如在 htmlagilitypack 中。是的，我需要在每个 lol 对象前面加上正确的日期，而不仅仅是在第一个对象前面。如果分隔符类在最后一个 lol 对象下方结束，这将是小菜一碟，但遗憾的是事实并非如此......我认为我不需要在这里粘贴我的代码，但基本上我所做的是解析页面，提取分隔符和 lol 对象并将它们添加到列表中，我将它们拆分为分隔符和 lol 对象。

4

1 回答 1

0

这是计划，选择所有seperator元素，然后找到所有具有所需类的连续兄弟元素。

不幸的是，在当前版本的 HTML Agility Pack 中没有简单的方法来获取同级的集合，您只能访问（一个）下一个同级。很难使用 LINQ 从链接结构中收集数据。而且由于 HTML 中没有真正的层次结构，这将是一个挑战。

如果您有可用的 XPath，则可以使用该following-sibling轴来获取所有以下同级元素以及TakeWhile()执行以下操作的方法：

var htmlStr = @"<li class = ""seperator""> a date </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>

<li class = ""seperator""> a new date </li>
<li class = ""lol""> some text </li>


<li class = ""seperator""> a nother new date </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>";

var doc = new HtmlDocument();
doc.LoadHtml(htmlStr);
var data =
    from li in doc.DocumentNode.SelectNodes("li[@class='seperator']")
    select new
    {
        Separator = li.InnerText,
        Content = li.SelectNodes("following-sibling::li")
            .TakeWhile(sli => sli.Attributes["class"].Value == "lol")
            .Select(sli => sli.InnerText)
            .ToList(),
    };

否则，如果您没有可用的 XPath，则可以使用以下任何链接结构创建可枚举：

public static class Extensions
{
    public static IEnumerable<TSource> ToLinkedEnumerable<TSource>(
        this TSource source,
        Func<TSource, TSource> nextSelector,
        Func<TSource, bool> predicate)
    {
        for (TSource current = nextSelector(source);
                predicate(current);
                current = nextSelector(current))
            yield return current;
    }

    public static IEnumerable<TSource> ToLinkedEnumerable<TSource>(
        this TSource source, Func<TSource, TSource> nextSelector)
        where TSource : class
    {
        return ToLinkedEnumerable(source, nextSelector, src => src != null);
    }
}

然后你的查询现在变成这样：

var data =
    from li in doc.DocumentNode.Elements("li")
    where li.Attributes["class"].Value == "seperator"
    select new
    {
        Separator = li.InnerText,
        Content = li.ToLinkedEnumerable(sli => sli.NextSibling)
            .Where(sli => sli.Name == "li")
            .TakeWhile(sli => sli.Attributes["class"].Value == "lol")
            .Select(sli => sli.InnerText)
            .ToList(),
    };
于 2012-10-07T03:12:58.450 回答