0

ここで解決できない問題があります。ここに解析したい html のようなものがいくつかあるとしましょう。このすべての html は、ページ上の 1 つのリスト内にあります。そして、私が書いた例のように名前が繰り返されます。 

<li class = "seperator"> a date </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>

<li class = "seperator"> a new date </li>
<li class = "lol"> some text </li>


<li class = "seperator"> a nother new date </li>
<li class = "lol"> some text </li>
<li class = "lol"> some text </li>

私はhtmlagility packを使用して、すべてのliオブジェクトを個別に解析し、ほぼ希望どおりにフォーマットしました。私のprint atmは次のようになります。

"a date"    "some text"
"some text"
"some text"
"some text"

"a new date"  "some text"

"a nother new date "    "some text"
"some text"
"some text"

私が達成したいこと：

"a date"    "some text"
"a date"    "some text"
"a date"    "some text"
"a date"    "some text"

"a new date"    "some text"

"a nother new date "    "some text"
"a nother new date "    "some text"
"a nother new date "    "some text"

しかし問題は、すべてのセパレーターの下で、すべての lol オブジェクトの数が異なる可能性があることです。したがって、ある日、Web ページの日付 1 の下に 1 つの lol オブジェクトがあり、次の日には 10 個の lol オブジェクトがある場合があります。したがって、区切り記号の間にある lol オブジェクトの数をどうにかして数えるためのスマートで簡単な方法があれば、私はうんざりしています。または、これを理解する別の方法がある場合は？たとえば、htmlagilitypack 内。はい、最初のオブジェクトの前だけでなく、すべての lol オブジェクトの前に正しい日付が必要です。セパレータークラスが最後の lol オブジェクトの下で終了していれば、これは簡単なことでしたが、残念ながらそうではありません...ここにコードを貼り付ける必要はないと思いますが、基本的にはページを解析し、seperators オブジェクトと lol オブジェクトを抽出してリストに追加します。そこでそれらを seperator オブジェクトと lol オブジェクトに分割します。

4

1 に答える 1

0

これが計画です。すべてのseperator要素を選択してから、目的のクラスを持つ連続した兄弟要素をすべて見つけます。

残念ながら、現在のバージョンの HTML Agility Pack で兄弟のコレクションを取得する簡単な方法はありません。(1 つの) 次の兄弟にしかアクセスできません。LINQ を使用して、リンクされた構造からデータをうまく収集するのは困難です。また、HTML には実際の階層がないため、これはやや難しい作業です。

XPath を使用できる場合は、軸を使用して、次のことを行うメソッドfollowing-siblingと組み合わせて、後続のすべての兄弟要素を取得できます。TakeWhile()

var htmlStr = @"<li class = ""seperator""> a date </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>

<li class = ""seperator""> a new date </li>
<li class = ""lol""> some text </li>


<li class = ""seperator""> a nother new date </li>
<li class = ""lol""> some text </li>
<li class = ""lol""> some text </li>";

var doc = new HtmlDocument();
doc.LoadHtml(htmlStr);
var data =
    from li in doc.DocumentNode.SelectNodes("li[@class='seperator']")
    select new
    {
        Separator = li.InnerText,
        Content = li.SelectNodes("following-sibling::li")
            .TakeWhile(sli => sli.Attributes["class"].Value == "lol")
            .Select(sli => sli.InnerText)
            .ToList(),
    };

それ以外の場合、使用可能な XPath がない場合は、次のように、リンクされた構造から列挙可能なものを作成できます。

public static class Extensions
{
    public static IEnumerable<TSource> ToLinkedEnumerable<TSource>(
        this TSource source,
        Func<TSource, TSource> nextSelector,
        Func<TSource, bool> predicate)
    {
        for (TSource current = nextSelector(source);
                predicate(current);
                current = nextSelector(current))
            yield return current;
    }

    public static IEnumerable<TSource> ToLinkedEnumerable<TSource>(
        this TSource source, Func<TSource, TSource> nextSelector)
        where TSource : class
    {
        return ToLinkedEnumerable(source, nextSelector, src => src != null);
    }
}

次に、クエリは次のようになります。

var data =
    from li in doc.DocumentNode.Elements("li")
    where li.Attributes["class"].Value == "seperator"
    select new
    {
        Separator = li.InnerText,
        Content = li.ToLinkedEnumerable(sli => sli.NextSibling)
            .Where(sli => sli.Name == "li")
            .TakeWhile(sli => sli.Attributes["class"].Value == "lol")
            .Select(sli => sli.InnerText)
            .ToList(),
    };
于 2012-10-07T03:12:58.450 に答える