Html敏捷性问题

Question

我正在尝试提取 div 之间的一些数据。

<div class="movie_general"><div class="img"><a href="/Movies.html" title="Watch Movie">

例如，如果我想要我使用的链接“/Movies.html”：

string hrefValue = doc.DocumentNode
            .Descendants("div")
            .Where(x => x.Attributes["class"].Value == "movie_general")
            .Select(x => x.Element("a").Attributes["href"].Value)
            .FirstOrDefault();

             MessageBox.Show(hrefValue);

但我在Where(x => x.Attributes["class"].Value == "movie_general")处得到一个NullReferenceException，

我做错了什么？

Answer 1

发生这种情况是因为 Linq 提供程序必须迭代文档中的所有其他节点以检查它是否与您的搜索匹配。该文档必须至少有一个没有 class 属性的 div。因此，尝试读取不存在的属性的 Value 属性时会发生错误。

将此替换

.Where(x => x.Attributes["class"].Value == "movie_general")
.Select(x => x.Element("a").Attributes["href"].Value)

为此

.Where(x => x.Attributes["class"] != null && x.Attributes["class"].Value == "movie_general")
.Select(x => x.Element("a") != null && x.Element("a").Attributes["href"] != null ? x.Element("a").Attributes["href"].Value : string.Empty)

Answer 2

如果您已经知道该类并且 a 标签从属于该类，为什么不直接使用以下命令获取它：

 HtmlDocument doc = new HtmlDocument();
    doc.Load("C:\\temp\\stackhtml.html");
    string link = doc.DocumentNode.SelectSingleNode("//div[@class='movie_general']//a").GetAttributeValue("href", "unkown");
    Console.WriteLine(link);
    Console.ReadLine();

和结果：

我在您的示例中添加了结束 div 标签，以便我可以抓取它并将其转储到我的 c 驱动器上的文件中：

<div class="movie_general">
   <div class="img">
      <a href="/Movies.html" title="Watch Movie">
    </div>
</div>