-
19-09-2019 - |
题
我在一个网页的HTML表格等
<table border=1>
<tr><td>sno</td><td>sname</td></tr>
<tr><td>111</td><td>abcde</td></tr>
<tr><td>213</td><td>ejkll</td></tr>
</table>
<table border=1>
<tr><td>adress</td><td>phoneno</td><td>note</td></tr>
<tr><td>asdlkj</td><td>121510</td><td>none</td></tr>
<tr><td>asdlkj</td><td>214545</td><td>none</td></tr>
</table>
现在使用的HTML敏捷包这个网页我想提取不仅列地址和电话的数据。它意味着,我必须找到一个在哪些表有列地址和phoneno.After发现表我想提取该列地址的数据和PHONENO我该怎么办?
我可以得到表。但在那之后我该怎么办不明白。
和其它事情:可行的是,我们可以通过列名提取从表中的数据
解决方案
下面是一些辅助方法,以帮助您解析HTML表格来DataTable
实例。你可以只遍历产生的DataTable
阵列找到包含所需列的一个。该代码是加上在HTML表格的格式,在这种情况下,它获取从第一行(<tr>
)列的信息。另外请注意,没有错误检查执行,因此这将打破这种不按指定的格式将表。
辅助方法:
private static DataTable[] ParseAllTables(HtmlDocument doc)
{
var result = new List<DataTable>();
foreach (var table in doc.DocumentNode.Descendants("table"))
{
result.Add(ParseTable(table));
}
return result.ToArray();
}
private static DataTable ParseTable(HtmlNode table)
{
var result = new DataTable();
var rows = table.Descendants("tr");
var header = rows.Take(1).First();
foreach (var column in header.Descendants("td"))
{
result.Columns.Add(new DataColumn(column.InnerText, typeof(string)));
}
foreach (var row in rows.Skip(1))
{
var data = new List<string>();
foreach (var column in row.Descendants("td"))
{
data.Add(column.InnerText);
}
result.Rows.Add(data.ToArray());
}
return result;
}
用例:
public static void Main(string[] args)
{
string html = @"
<html><head></head>
<body><div>
<table border=1>
<tr><td>sno</td><td>sname</td></tr>
<tr><td>111</td><td>abcde</td></tr>
<tr><td>213</td><td>ejkll</td></tr>
</table>
<table border=1>
<tr><td>adress</td><td>phoneno</td><td>note</td></tr>
<tr><td>asdlkj</td><td>121510</td><td>none</td></tr>
<tr><td>asdlkj</td><td>214545</td><td>none</td></tr>
</table>
</div></body>
</html>";
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
DataTable addressAndPhones;
foreach (var table in ParseAllTables(doc))
{
if (table.Columns.Contains("phoneno") && table.Columns.Contains("adress"))
{
// You found the address and phone number table
addressAndPhones = table;
}
}
}
其他提示
通过tablerows环路和由索引得到列值
int index = 0;
foreach(HtmlNode tablerow in table.SelectNodes("tr"))
{
// skip the first row...
if(index > 0)
{
// select first td element
HtmlNode td1 = tablerow.SelectSingleNode("td[1]");
if(td1 != null)
{
string address = td1.InnerText;
}
}
index++;
}
如果您可以修改网页,你可以使用头文字THEAD和TBODY实际值。
<table id="mytable">
<thead><tr><td>Column1</td><td>Column2</td></tr></thead>
<tbody>
<tr><td>Value 1</td><td>Value 2</td></tr>
<tr><td>Value 1</td><td>Value 2</td></tr>
</tbody>
</table>
然后,你就不必跳过第一行。
foreach(HtmlNode tablerow in table.SelectNodes("/table[@id=\"mytable\"]/tbody/tr"))
{
// ...
}
有看一些的XPath教程,它与HtmlAgilityPack非常有用的。
不隶属于 StackOverflow