我正在尝试 html 敏捷包，并且无法找到正确的方法来解决这个问题。
例如：
var findclasses = _doc.DocumentNode.Descendants("div").Where(d => d.Attributes.Contains("class"));
但是，显然您可以将类添加到更多的 div 中，所以我尝试了这个..
var allLinksWithDivAndClass = _doc.DocumentNode.SelectNodes("//*[@class=\"float\"]");
但这并不能处理添加多个类并且“float”只是其中之一的情况。
class="className float anotherclassName"
有没有办法处理这一切？我基本上想选择所有具有类 = 并包含浮点数的节点。
**答案已记录在我的博客上，并在以下位置进行了完整解释：Html Agility Pack Get All Elements by Class
（2018 年 3 月 17 日更新）
正如您所发现的，问题在于String.Contains它不执行字边界检查，因此Contains("float")将返回true“foo float bar”（正确）和“unfloating”（不正确）。
解决方案是确保“浮动”（或任何您想要的类名）出现在两端的单词边界旁边。单词边界是字符串（或行）的开始（或结束）、空格、某些标点符号等。在大多数正则表达式中，这是\b. 所以你想要的正则表达式很简单：\bfloat\b.
使用Regex实例的一个缺点是，如果您不使用该.Compiled选项，它们的运行速度可能会很慢——而且它们的编译速度可能会很慢。所以你应该缓存正则表达式实例。如果您要查找的类名在运行时发生更改，这将更加困难。
或者，您可以通过将正则表达式实现为 C# 字符串处理函数，在不使用正则表达式的情况下按字边界搜索字符串，注意不要导致任何新字符串或其他对象分配（例如，不使用String.Split）。
假设您只想查找具有单个设计时指定类名的元素：
class Program {
private static readonly Regex _classNameRegex = new Regex( @"\bfloat\b", RegexOptions.Compiled );
private static IEnumerable<HtmlNode> GetFloatElements(HtmlDocument doc) {
return doc
.Descendants()
.Where( n => n.NodeType == NodeType.Element )
.Where( e => e.Name == "div" && _classNameRegex.IsMatch( e.GetAttributeValue("class", "") ) );
}
}
如果您需要在运行时选择一个类名，那么您可以构建一个正则表达式：
private static IEnumerable<HtmlNode> GetElementsWithClass(HtmlDocument doc, String className) {
Regex regex = new Regex( "\\b" + Regex.Escape( className ) + "\\b", RegexOptions.Compiled );
return doc
.Descendants()
.Where( n => n.NodeType == NodeType.Element )
.Where( e => e.Name == "div" && regex.IsMatch( e.GetAttributeValue("class", "") ) );
}
如果您有多个类名并且想要匹配所有这些，您可以创建一个Regex对象数组并确保它们都匹配，或者Regex使用环视将它们组合成一个单一的，但这会导致非常复杂的表达式- 所以使用aRegex[]可能更好：
using System.Linq;
private static IEnumerable<HtmlNode> GetElementsWithClass(HtmlDocument doc, String[] classNames) {
Regex[] exprs = new Regex[ classNames.Length ];
for( Int32 i = 0; i < exprs.Length; i++ ) {
exprs[i] = new Regex( "\\b" + Regex.Escape( classNames[i] ) + "\\b", RegexOptions.Compiled );
}
return doc
.Descendants()
.Where( n => n.NodeType == NodeType.Element )
.Where( e =>
e.Name == "div" &&
exprs.All( r =>
r.IsMatch( e.GetAttributeValue("class", "") )
)
);
}
使用自定义 C# 方法进行字符串匹配而不是正则表达式的优点是假设性能更快并减少内存使用（尽管Regex在某些情况下可能更快 - 始终首先分析您的代码，孩子们！）
下面的这个方法：CheapClassListContains提供了一个快速的字边界检查字符串匹配功能，可以使用相同的方式regex.IsMatch：
private static IEnumerable<HtmlNode> GetElementsWithClass(HtmlDocument doc, String className) {
return doc
.Descendants()
.Where( n => n.NodeType == NodeType.Element )
.Where( e =>
e.Name == "div" &&
CheapClassListContains(
e.GetAttributeValue("class", ""),
className,
StringComparison.Ordinal
)
);
}
/// <summary>Performs optionally-whitespace-padded string search without new string allocations.</summary>
/// <remarks>A regex might also work, but constructing a new regex every time this method is called would be expensive.</remarks>
private static Boolean CheapClassListContains(String haystack, String needle, StringComparison comparison)
{
if( String.Equals( haystack, needle, comparison ) ) return true;
Int32 idx = 0;
while( idx + needle.Length <= haystack.Length )
{
idx = haystack.IndexOf( needle, idx, comparison );
if( idx == -1 ) return false;
Int32 end = idx + needle.Length;
// Needle must be enclosed in whitespace or be at the start/end of string
Boolean validStart = idx == 0 || Char.IsWhiteSpace( haystack[idx - 1] );
Boolean validEnd = end == haystack.Length || Char.IsWhiteSpace( haystack[end] );
if( validStart && validEnd ) return true;
idx++;
}
return false;
}
HtmlAgilityPack 有点停滞不支持.querySelector和.querySelectorAll，但是有第三方库用它扩展了 HtmlAgilityPack ：即Fizzler和CssSelectors。Fizzler 和 CssSelectors 都实现了QuerySelectorAll，因此您可以像这样使用它：
private static IEnumerable<HtmlNode> GetDivElementsWithFloatClass(HtmlDocument doc) {
return doc.QuerySelectorAll( "div.float" );
}
使用运行时定义的类：
private static IEnumerable<HtmlNode> GetDivElementsWithClasses(HtmlDocument doc, IEnumerable<String> classNames) {
String selector = "div." + String.Join( ".", classNames );
return doc.QuerySelectorAll( selector );
}
您可以通过在 Xpath 查询中使用“包含”功能来解决您的问题，如下所示：
var allElementsWithClassFloat =
_doc.DocumentNode.SelectNodes("//*[contains(@class,'float')]")
要在函数中重用它，请执行类似于以下的操作：
string classToFind = "float";
var allElementsWithClassFloat =
_doc.DocumentNode.SelectNodes(string.Format("//*[contains(@class,'{0}')]", classToFind));
我在我的项目中经常使用这种扩展方法。希望它会帮助你们中的一个人。
public static bool HasClass(this HtmlNode node, params string[] classValueArray)
{
var classValue = node.GetAttributeValue("class", "");
var classValues = classValue.Split(' ');
return classValueArray.All(c => classValues.Contains(c));
}
public static List<HtmlNode> GetTagsWithClass(string html,List<string> @class)
{
// LoadHtml(html);
var result = htmlDocument.DocumentNode.Descendants()
.Where(x =>x.Attributes.Contains("class") && @class.Contains(x.Attributes["class"].Value)).ToList();
return result;
}
如果您在某个标签（如或任何其他）中寻找课程。试试这个
var spans = doc.DocumentNode.SelectNodes("//span"); //or other tag or all nodes
var span_with_class = spans.Where(_ => _.Attributes["class"].Value.Split(' ').Any(b => b.Equals("someClass")));
您可以使用以下脚本：
var findclasses = _doc.DocumentNode.Descendants("div").Where(d =>
d.Attributes.Contains("class") && d.Attributes["class"].Value.Contains("float")
);