从html文档中筛选出链接,c#-使用XPath(和HtmlAgilityPack)从HTML表中选择所有链接

我要实现的目的是提取带有以http：//,https：//或/开头的href属性的所有链接.这些链接位于具有特定类的表(tbody> tr> td等)内.我以为我可以只指定a元素,而不需要完整的路径,但它似乎不起作用.我在选择链接的那一行得到了NullReferenceException：

var table = doc.DocumentNode.SelectSingleNode("//table[@class='containerTable']");

if (table != null)

{

foreach (HtmlNode item in table.SelectNodes("a[starts-with(@href, 'https://')]"))

{

//not working

关于XPath,我不知道任何建议或最佳实践.两次查询文档时是否会产生开销？

解决方法:

采用：

//tbody/descendant::a[starts-with(@href,'https://')

or

starts-with(@href,'http://')

or

starts-with(@href,'./')

]

除非纠正代码以反映XmlNode.SelectNodes()实例方法的返回类型为XmlNodeList而不是HtmlNode,否则您仍然会遇到问题.

标签：xpath,html-agility-pack,c

来源： https://codeday.me/bug/20191024/1918434.html