C# HTML 敏捷包，从 div 中提取纯文本

Question

我正试图从 site 中提取简短的小广告。 (哈哈)。

下面是我要提取的内容的 HTML。

<div class="field field-name-field-body-medium field-type-text-long field-label-hidden">
The community comics collaboration is back for another heaping helping of Academy fun!
</div>

我当前使用的代码无法正常工作。

var shortBio = doc.DocumentNode.Descendants("div").Where(p => p.Attributes.Contains("class") && p.Attributes["class"]
         .Value.Contains("field field - name - field - body - medium field - type - text - long field - label - hidden"));


 for (int i = 0; i < 5; i++)
     {
         blurbs[i] = shortBio.ElementAt(i).ToString();
     }

显然这是行不通的，我不确定如何提取文本。我一直在寻找关于拉动的信息

提前致谢。

Answer 1

看起来你的目标 div 的父级被赋予了 teaser-content 类，这可能是一个很好的标识符。以下 XPath 应返回所需的 div :

//div[@class='teaser-content']/div

然后你可以从 InnerText 属性中获取 div 的内容文本，例如(将 SelectSingleNode() 替换为 SelectNodes () 并遍历结果，如果你想要 all div 而不仅仅是第一个):

var doc = new HtmlWeb().Load("http://na.leagueoflegends.com/en/news/");
var div = doc.DocumentNode.SelectSingleNode("//div[@class='teaser-content']/div");
Console.WriteLine(div.InnerText);

dotnetfiddle demo

输出:

The community comics collaboration is back for another heaping helping of Academy fun!