如何选择包含特定关键字的表 - c# - xpath - htmlagilitypack

Question

我必须从没有任何类或 ID 的产品页面收集信息。我正在使用 htmlagilitypack 和 c# 4.0。

该产品页面源代码中有很多表格。价格表包含“KDV”字符串。所以我想得到这个包含表的“KDV”字符串。我怎样才能做到这一点？

例如，下面的 xpath 将选择所有表。

string srxPathOfCategory = "//table";
var selectedNodes = myDoc.DocumentNode.SelectNodes(srxPathOfCategory);

下面的代码选择表，但从最外部的表开始。我需要选择包含给定字符串

//table[contains(., ' KDV')]

c# 、 xpath 、 htmlagilitypack的最内部表

Answer 1

下面的代码选择表，但从最外面的表开始。我
需要选择包含给定字符串的最内部表

使用：

//table
    [not(descendant::table) 
   and 
     .//text()[contains(., ' KDV')]
    ]

这会选择 XML 文档中没有 table 后代的任何 table ，并且它有一个包含字符串 " KDV" 的文本节点后代。

一般来说，上面的表达式可以选择许多这样的 table 元素。

如果您只想选择其中一个（例如第一个），请使用此 XPath 表达式 - 请注意括号：

   (//table
        [not(descendant::table) 
       and 
         .//text()[contains(., ' KDV')]
        ]
    )[1]

记住：如果您想选择第一个 someName 元素在文档中，使用它（如当前接受的答案）是错误的：

//someName[1]

这是 XPath 中第二常见的常见问题解答（仅次于如何在具有默认值的 XML 文档中选择具有无前缀名称的元素）命名空间）。

上面的表达式实际上选择文档中的任何 someName 元素，即其父元素的第一个子元素 - 尝试一下。

出现这种不直观行为的原因是 XPath [] 运算符的优先级（优先级）高于 // 伪运算符。

真正仅选择第一个 someName 元素（在任何 XML 文档中）（如果存在）的正确表达式是：

(//someName)[1]

这里的括号用于显式覆盖默认的 XPath 运算符优先级。

Answer 2

可能有一种更有效的方法来做到这一点。反正，
这是我用于您的案例的完整代码，它对我有用：

        HtmlDocument doc = new HtmlDocument();
        string url = "http://www.pratikev.com/fractalv33/pratikEv/pages/viewProduct.jsp?pInstanceId=3138821";
        using (var response = (WebRequest.Create(url).GetResponse()))
        {
            doc.LoadHtml(new StreamReader(response.GetResponseStream()).ReadToEnd());
        }
        /*There is an bug in the xpath used here. Should have been 
          (//table/tr/td/font[contains(.,'KDV')])[1]/ancestor::table[2] 
          See Dimitre's answer for an explanation and an alternative / 
          more generic / (needless to say) better approach */
        string xpath = "//table/tr/td/font[contains(.,'KDV')][1]/ancestor::table[2]"; 
        HtmlNode table = doc.DocumentNode.SelectSingleNode(xpath);