我正在使用 AngleSharp 解析网站内容,但我遇到了匿名 block 问题。
查看示例代码:
var parser = new HtmlParser();
var document = parser.Parse(@"<body>
<div class='product'>
<a href='#'><img src='img1.jpg' alt=''></a>
Hello, world
<div class='comments-likes'>1</div>
</div>
<div class='product'>
<a href='#'><img src='img2.jpg' alt=''></a>
Yet another helloworld
<div class='comments-likes'>25</div>
</div>
<body>");
var products = document.QuerySelectorAll("div.product");
foreach (var product in products)
{
var productTitle = product.Text();
productTitle.Dump();
}
因此,productTitle 包含来自 div.comments-likes 的数字,输出为:
Hello, world 1
Yet another helloworld 25
我尝试过类似 product.FirstElementChild.NextElementSibling.Text();
但链接元素的下一个同级元素是 div.comments-likes,而不是匿名 block 。它显示:
1
25
因此,匿名 block 被跳过。 :(
我发现的最佳解决方法是删除所有阻止 block ,例如:
product.QuerySelector(".comments-likes").Remove();
var productTitle = product.Text().Trim();
解析来自匿名 block 的文本的更好方法是什么?
最佳答案
文本被建模为 TextNode
,它是元素、注释节点、处理指令等旁边的节点类型。这就是为什么 NextElementSibling
你试过没有在结果中包含文本,因为它打算只返回元素,顾名思义。
您可以通过遍历 div
的 ChildNodes
获取直接位于产品 div
中的文本节点,然后按 NodeType 进行过滤
,例如:
var products = document.QuerySelectorAll("div.product");
foreach (var product in products)
{
var productTitle = product.ChildNodes
.First(o => o.NodeType == AngleSharp.Dom.NodeType.Text
&& o.TextContent.Trim() != "");
Console.WriteLine(productTitle.TextContent.Trim());
}
请注意,元素之间的换行符也是文本节点,因此我们需要在上面的演示中将其过滤掉。
关于c# - 如何在 AngleSharp 中解析来自匿名 block 的文本?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42736218/