问题标签 [html-agility-pack]

codeplex上的示例是这样的：

第一个问题是 HtmlDocument。DocumentElement不存在！确实存在的是 HtmlDocument。DocumentNode但即使我改用它，我也无法访问所描述的 href 属性。我收到以下错误：

这是我收到此错误时尝试编译的代码：

更新：我刚刚发现该示例永远不会起作用...并且在阅读示例代码后我得到了解决方案...一旦完成，我将发布我的解决方案供像我这样的其他人享受。

我正在尝试提取网页中包含的文本。所以我正在使用第三方工具 Html Agility Pack。他们提到：

我可以抓取页面中包含的所有其他链接。但我想获取该页面中包含的所有文本数据。是否可以？

在一个 html 页面上，我有 0-4 个具有特定类名的 div。

我想要做的是从开始到第一个 div 的 html，然后从 div1 位置到 div2 位置，然后 div2 到 div3，div3 到 div4，最后 div4 到结束 html。

我已经设法使用 html.substring(0, div1.innerhtmlPos) 、 html.substring(div1End, div2.innerHtmlPos) 等来做到这一点，因为我还没有弄清楚如何获得 div 的实际位置。我试过 StreamPosition，但如果我尝试 html.substring(0, streamposOfDiv1) 它会在错误的地方被切断。

有什么方法可以在一个节点和节点之间获取所有 html？

我一直在使用 HtmlAgilityPack 来处理一些 XHTML 文档，但是，如果我想将我的文档输出为 XHTML，这是不可能的。除了 HtmlAgilityPack 之外，还有其他解决方案来转换 XHTML 吗？

我需要稍微转换一下文档，我假设使用直接 XSLT 可能更容易？

使用 XPath 和 HTML Agility Pack，我需要destination使用color:#ff00ff.

我的 HTML 如下所示：

如何使用 C# 修复格式错误的 HTML？一个很好的答案是 HTML Agility Pack 示例！

我正在抓取一个网站（用于合法使用）。该站点的 HTML 还可以，但存在一些烦人的问题。

我可以采用的一种方法是通过正则表达式。我使用 Expression Web 来分析问题以及纠正问题所需的正则表达式。因此，一种方法是使用RegexBuddy等工具为这些正则表达式生成 C# 代码。

但是，在 C# 中处理格式错误的 HTML 的推荐工具是HTML Agility Pack (HAP)。而且，我只分析了几页，怕以后的页面会包含我还没有解决的模式，我讨厌进入“在接下来的几页中查找错误并更正它们”维护商业。因此，如果 HAP 已经有一个可靠的、始终有效的解决方案，那就太好了。问题是，除了在 SO 中提到的一些内容外，除了逐个对象的 API 帮助文件外，我找不到任何该工具的使用方法文档。

所以 - 在我花费 $ 和学习时间在 RegexBuddy（没有免费评估版）上，或者在 HAP 的 API 文档上大吃一惊之前 - 有没有一种简单的方法可以做到这一点？HAP 样本会有所帮助... :-)

我将如何使用 HTML 敏捷包从 HTML 文件的正文中获取文本的第一段。我正在构建一个 DIGG 风格的链接提交工具，并且想要获取标题和第一段文字。标题很简单，关于如何从正文中获取第一段文本的任何建议？我猜它可能在 P 或 DIV 内，具体取决于页面。

假设嵌套表没有唯一属性（ id 、 class 或其他任何东西）来获得所需的属性

XPath 是否禁止在其路径中多次使用表？

当 SelectNodes 返回 null 时抛出异常。

如果是这样，如何使用 Agility Pack 解决没有特定属性的嵌套表的 html 解析？

我尝试ends-with在以下模式下在 Html Agility Pack 中使用：//span[ends-with(@id, 'Label2')]and //span[ends-with(., 'test')]，但它不起作用。

所有其他功能，喜欢starts-with并且运行contains良好。

谁能帮我？

我正在尝试使用 HTML Agility Pack 从以下内容中获取描述文本：

不久前 Stackoverflow 上的某个人建议我使用 HTMLAgilityPack。但是我不知道如何使用它，并且我找到的它的文档（包括下载中包含的文档）都有无效链接，因此无法查看文档。

有人可以帮我解决这个问题吗？