Question

我想提取文字＆＃34;有些文字在这里＆＃34;在div类之间。我正在使用html敏捷包和c＃

<div class="productDescriptionWrapper">
Some Text Goes here...
<div class="emptyClear"> </div>
</div>

这就是我所拥有的：

Description = doc.DocumentNode.SelectNodes("//div[@class=\"productDescriptionWrapper\").Descendants("div").Select(x => x.InnerText).ToList();

我收到此错误：

An unhandled exception of type 'System.NullReferenceException'

我知道如果文字是短信<h1>或<p>而不是＆＃34; div＆＃34;在后代，我将不得不给＃34; h1＆＃34;或＆＃34; p＆＃34;。

有人请你协助。

Answer 1

使用单引号，例如

//div[@class='productDescriptionWrapper']

获取所有类型的所有后代：

//div[@class='productDescriptionWrapper']//*，

获取特定类型的所有后代例如p然后使用//div[@class='productDescriptionWrapper']//p。

获取div或p的所有后代：

//div[@class='productDescriptionWrapper']//*[self::div or self::p]

说你想获得所有非空白后代文本节点，然后使用：

//div[@class='productDescriptionWrapper']//text()[normalize-space()]

Answer 2

如果从您发布的HTML代码段创建doc，则无法获得空引用异常。无论如何，如果您想在外部<div>内获取文本，而不是从内部文本中获取文本，请使用xpath /text()，这意味着获取直接子文本节点。

例如，给定此HTML代码段：

var html = @"<div class=""productDescriptionWrapper"">
Some Text Goes here...
<div class=""emptyClear"">Don't get this one</div>
</div>";
var doc = new HtmlDocument();
doc.LoadHtml(html);

..此表达式仅返回外部<div>的文本：

var Description = doc.DocumentNode
                     .SelectNodes("//div[@class='productDescriptionWrapper']/text()")
                     .Select(x => x.InnerText.Trim())
                     .First();
//Description : 
//"Some Text Goes here..."

..而相反，以下返回所有文字：

var Description = doc.DocumentNode
                     .SelectNodes("//div[@class='productDescriptionWrapper']")
                     .Select(x => x.InnerText.Trim())
                     .First();
//Description :
//"Some Text Goes here...
//Don't get this one"

如何使用htmlagilitypack在div标签内提取文本

2 个答案: