3

次のような1つのWebページにhtmlテーブルがあります

<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>

HTMLアジリティパックを使用してこのWebページから、列の住所と電話番号のみのデータを抽出したいと思います。つまり、列 address と phoneno があるテーブルを最初に見つけたということです。そのテーブルを見つけた後、その列 address と phoneno のデータを抽出したいのですが、どうすればよいですか?

私はテーブルを手に入れることができます。でもその後どうすればいいのかわからない。

その他のこと：列名を介してテーブルからデータを抽出できることは実現可能です。

4

2 に答える 2

4

DataTableHTML テーブルをインスタンスに解析するのに役立ついくつかのヘルパー メソッドを次に示します。結果の配列を反復処理して、DataTable必要な列を含む配列を見つけることができます。このコードは、HTML の表の形式と結合されています。この場合、最初の行から列情報を取得します ( <tr>)。また、エラー チェックは実行されないため、指定した形式に従わないテーブルは破損することに注意してください。

ヘルパー メソッド:

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;
}

使用例:

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;
       }
   }
}
于 2010-03-12T10:18:52.417 に答える
1

テーブル行をループし、インデックスで列の値を取得します

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++;
}

Web ページを変更できる場合は、ヘッダー テキストに thead を使用し、実際の値に tbody を使用できます。

<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>

そうすれば、最初の行をスキップする必要はありません。

foreach(HtmlNode tablerow in table.SelectNodes("/table[@id=\"mytable\"]/tbody/tr"))
{
    // ...
}

いくつかの xpath チュートリアルをご覧ください。HtmlAgilityPack で非常に便利です。

于 2010-03-12T10:32:18.660 に答える