Значение HtmlAgilityPack NextSibling.InnerText пусто.

Я очищаю некоторые данные с помощью HtmlAgilityPack.

HTML-код выглядит следующим образом:

<div id="id-here">
  <dl>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
    <dt> Field Name </dt>
    <dd> Value for above field name </dd>
  </dl>
</div>

Теперь у меня проблема в том, что не всегда есть определенное количество полей, поэтому я не могу надежно получить доступ к каждому из них, например:

//*[@id="id-here"]/dl[1]/dd[1]

поскольку dd[1] может быть именем на одной странице и телефоном на другой, где пользователь не смог заполнить имя, поэтому поле скрыто.

поэтому я захватываю все узлы DT и DD следующим образом:

//*[@id="id-here"]/dl[1]/dt | //*[@id="id-here"]/dl[1]/dd

Теперь я проверяю каждый узел, чтобы увидеть, соответствует ли он нужному полю, и беру значение NextSibling следующим образом:

    foreach (HtmlNode node in details)
    {
        if (node.InnerText.Contains("Tel:")) telephone = node.NextSibling.InnerText;
        if (node.InnerText.Contains("Email:")) email = node.NextSibling.InnerText;
    }

Это отлично работает для телефона, но по какой-то причине, когда появляется узел «Электронная почта:», оба NextSibling.InnerHTML и NextSibling.InnerText пусты, хотя у следующего брата определенно есть данные. Если я на самом деле перейду к этому node в details и посмотрю на него, InnerHTML — это вся отформатированная ссылка, а InnerText — это адрес электронной почты.

NextSibling.InnerText не работает, потому что тег A делает его дочерним или что-то в этом роде? Я посмотрел в отладчике и просто не могу найти нужную мне информацию под NextSibling.

Я уверен, что ответ смехотворно прост, я просто не могу понять. Кто-нибудь избавил меня от моих страданий?


c# xpath siblings html-agility-pack
person Guerrilla    schedule 27.08.2014    source источник
comment
Несколько отдельный вопрос, но почему вы выбираете элементы dd, если вы на самом деле не планируете использовать выбранные dd при переборе details?   -  person JLRishe    schedule 27.08.2014
comment
Так что я могу выбрать nextSibling. Если я не выберу DD, то они не станут следующим братом или сестрой.   -  person Guerrilla    schedule 27.08.2014
comment
Содержимое details не имеет никакого отношения к родственным узлам узла, и это именно то, что вы здесь видите.   -  person JLRishe    schedule 27.08.2014

Ответы (1)


arrow_upward
11
arrow_downward

Причина, по которой это происходит, заключается в том, что если node является элементом dt, который отделен от соответствующего ему элемента dd некоторым пробелом, то node.NextSibling является текстовым узлом, полностью состоящим из пробелов (пробел между </dt> и <dd>). Если вы посмотрите на это в отладчике, вы увидите, что NodeType node.NextSibling это HtmlNodeType.Text, а не HtmlNodeType.Element.

Я предлагаю создать удобный метод для получения текста узла dt, соответствующего dd:

internal static string GetMatchingDdValue(HtmlNode dtNode)
{
    var found = dtNode.SelectSingleNode("following-sibling::*[1][self::dd]");
    return found == null ? "" : found.InnerText;
}

Затем вы можете использовать его следующим образом:

if (node.InnerText.Contains("Tel:")) { telephone = GetMatchingDdValue(node); }

Вот разбивка несколько хитрого XPath, используемого в моем методе выше:

(a) following-sibling::*

^ Выберите все элементы, которые имеют того же родителя, что и текущий узел, и находятся после него.

(b) following-sibling::*[1]

^ Выберите первый узел в наборе (а) (если есть)

(c) following-sibling::*[1][self::dd]

^ Выберите все узлы в наборе (b), которые являются элементами с именем "dd"

SelectSingleNode() выбирает первый узел в наборе (c), который всегда должен быть либо 1, либо 0 узлами.

Скорее всего, вы могли бы обойтись только following-sibling::dd или following-sibling::*, но указанный выше путь содержит меры предосторожности. Например, если по какой-то причине у вас был следующий XML, а вашим текущим узлом был элемент Tel::

<dl>
  <dt>Tel:</dt>
  <dt>Address:</dt>
  <dd>50 Fake St.</dd>
</dl>

following-sibling::dd даст вам результат "Фальшивая улица, 50", а following-sibling::* даст вам результат "Адрес:". Вместо этого following-sibling::*[1][self::dd] в этом случае выберет пустой набор узлов, поэтому в результате метод правильно выдаст пустую строку.

person JLRishe    schedule 27.08.2014
comment
Гах, опереди меня на 5 секунд :) (И с кодом!) - person paul; 27.08.2014
comment
Спасибо, работает отлично. Что меня смутило, так это то, что я открыл details в отладчике и увидел, что электронная почта: была в [0], а затем адрес электронной почты был в [1], поэтому я подумал, что NextSibling получит эту следующую запись. Я новичок в xpath и не совсем понимаю, как работает ваш xpath, я пытался понять его по ссылке, но не полностью понял. Я думаю, мне нужно получить книгу об этом. - person Guerrilla; 28.08.2014
comment
следующие братья и сестры = брать все html после этого узла * = брать любой html. [1] = ?? [self::dd] = выбирает текущий узел и выбирает dd? код все еще работает, если я удалю этот бит - person Guerrilla; 28.08.2014
comment
@Guerrilla Добавлена ​​деконструкция выше. - person JLRishe; 28.08.2014
comment
@JLRishe спасибо! Я очень ценю, что вы нашли время, чтобы объяснить это мне. - person Guerrilla; 28.08.2014