问题标签 [html-agility-pack]

我一直在编辑模式下使用 .NET WebBrowser 控件作为最终用户创建 HTML 内容部分以插入各种网站的界面的一部分。他们有一个非常精简的可用标签列表，例如<p>, <br>, <a href>, <strong>, <ul> <li>...他们无法在标签顶部应用任何格式，因为这是由特定网页 css 确定的。到目前为止，该系统一直运行良好。

不幸的是，我现在需要将 xhtml 放入更大的 xml 文档中，以供各种其他网站进行聚合。WebBrowsers 的主要问题似乎是它产生的列表：

是否有一个好的转换器库来解决这个问题，或者我可以强制 WebBrowser 控件创建 XHTML？我已经尝试过 HTMLAgilityPack，但它通过执行以下操作转换为 XHTML：

我认为他的设置不正确，因为标签应该在每个项目的末尾，尽管它会通过 xhtml 验证。如果没问题，当 XML 最终放入任何网站时，我最终会在某些浏览器上出现渲染问题吗？

我想使用 html 敏捷包解析 html 表。我只想从表中提取一些预定义的列数据。

但我是解析和 html 敏捷包的新手，我已经尝试过，但我不知道如何使用 html 敏捷包来满足我的需要。

如果有人知道，请尽可能给我一个例子

编辑 ：

如果我们只想提取决定的列名的数据，是否可以解析 html 表？就像有 4 列名称、地址、phno 一样，我只想提取名称和地址数据。

我正在使用 HTMLAgilityPack 解析 XML API 响应。我可以从 API 调用中选择结果项。然后我遍历这些项目并希望将 ChildNodes 写入表。当我通过以下方式选择 ChildNodes 时：

我得到了正确的 itemId 结果。但是当我尝试时：

我得到“引用的对象的值为‘Nothing’。”

我尝试过“itemID[1]”、“/itemId[1]”和一系列字符串。我已经尝试过 SelectSingleNode 和 ChildNodes.Item("itemId").innertext。唯一有效的是使用索引。

使用索引的问题在于，有时结果中会省略子元素，从而导致索引失效。

有人知道我在做什么错吗？

我在一个网页中有 html 表格，例如

现在从这个网页使用 html 敏捷包我想提取列地址和电话号码的数据。这意味着我首先找到了哪个表中有列地址和电话号码。找到该表后我想提取该列地址和电话号码的数据我该怎么办？

我可以拿到桌子。但是在那之后我应该做什么我不明白。

还有一件事：我们可以通过列名从表中提取数据是可行的。

我有以下字符串：

我想使用正则表达式返回以下内容：

注意 div 中的 id 属性现在是如何被撇号包围的？

我怎样才能用正则表达式做到这一点？

编辑：我不是在寻找一种灵丹妙药来处理每种情况下的每种边缘情况。我们都应该厌倦使用正则表达式来解析 HTML，但是，在这种特殊情况下和我的特殊需要，正则表达式是解决方案......我只需要一些帮助来获得正确的表达式。

编辑 #2： Jens 帮助我找到了解决方案，但任何随机访问此页面的人都应该仔细考虑如何使用此解决方案。就我而言，它有效，因为我对我将要处理的字符串类型非常有信心。我知道危险和风险，并确保你这样做。如果你不确定你是否知道，那么它可能表明你不知道并且不应该使用这种方法。你已经被警告过了。

我想用html敏捷包获取'span'标签的'id'属性的所有值。但是我没有属性，而是自己获得了标签。这是代码

如果有人告诉我这里出了什么问题，我将不胜感激。

我正在使用 HTML Agility Pack 来解析 html 内容。我正在使用解析来提取表信息。有用。但是如果没有结束“/tr”标签或“/td”标签，那么它不会完美地解析该信息。（其中没有结束tr标签或td标签。）

像

那么为此我该怎么办？

What I am trying to achieve is to extract all links with a href attribute that starts with http://, https:// or /. These links lie within a table (tbody > tr > td etc) with a certain class. I thought I could specify just the the a element without the whole path to it but it does not seem to work. I get a NullReferenceException at the line that selects the links:

I don't know about any recommendations or best practices when it comes to XPath. Do I create overhead when I query the document two times?

查看文档，目标是从第一个表中的第二行中选择第二个单元格。

我创建了以下表达式：

但它不返回任何行。不幸的是，我看不出有什么问题。

对我来说，看起来还不错。表达式应该：

如果您能指出我做错了什么，我将不胜感激。

示例 XML 文档：

我正在使用html 敏捷包来解析 html表格信息。现在有一些 html 内容缺少结束标签，并且由于缺少结束标签而来自此类页面 html 敏捷包无法正确解析信息。所以我想在缺少结束标签的地方插入结束标签，以便 html 敏捷包正确解析信息。那么要插入缺少的结束标签我应该怎么做？我应该为此编写自己的代码还是使用html tidy pack来做到这一点？

如果 html tidy pack 那么哪个是最好的html tidy pack，如果可能的话如何使用它的任何例子？如果我自己的代码比它可能是什么样的？

html 敏捷包中是否有任何选项可以使我们能够首先使 html 页面整洁然后解析网页。