如何在 C# 中使用 htmlagilitypack 以单一方法访问更多标签？

Question

我正在设计一个程序来抓取网页 thenextweb.com 的帖子（链接、帖子内容、图像、日期、作者等）。

其一篇帖子的 html 如下：

<div class="media-data">

                     <h4><a href="http://thenextweb.com/mobile/2012/01/05/nokia-reportedly-to-appoint-f-secure-founder-risto-siilasmaa-as-new-chairman/">Nokia to Name Risto Siilasmaa as New Chairman</a></h4>
                     <p class="article-meta"><a href="http://thenextweb.com/mobile/">TNW Mobile</a> &#8226; <a href="http://thenextweb.com/author/matt/" title="Posts by Matt Brian" rel="author">Matt Brian</a>  &#8226; <span class="date" title="1325748846">January 5, 2012</span></a></p>

                     <p>Nokia is reportedly planning to nominate and name Risto Siilasmaa, founder of Finnish anti-virus and computer security F-Secure, as its new chairman by the end of the month, Finland&#8217;s Helsingin Sanomat reports&#8230;</p>
                 </div>

这是主页上接下来 15 篇帖子的 html 。 为了访问其内容，我使用了：

  var webGet = new HtmlWeb();
  var document = webGet.Load(url);
 var infos = from info in document.DocumentNode.SelectNodes("//div[@class ='media-data']//h4//a")
                        select new
                        {
                            LinkURL = info.Attributes["href"].Value,
                            Text = info.InnerText
                        };

            lvLinks.DataSource = infos;
            lvLinks.DataBind();

并访问作者、日期等信息，我使用了：

 var infos = from info in document.DocumentNode.SelectNodes("//div[@class ='media-data']//p[@rel = 'author']")
                        select new
                        {
                           Author = info.InnerText
                        };

            lvLinks.DataSource = infos;
            lvLinks.DataBind();

我使用列表视图控件将 ASP 页面上的数据显示为

; <%# Eval("文本") %> - <%# Eval("LinkUrl") %>

但我想要一种方法，以便我可以一次访问所有这些...不需要为 链接、内容 和其他 编写不同的代码>作者，日期等。

是否有一种方法可以让我在

...

下写入和检索信息>我想要的任何节点的标签并存储它？

请提出这一建议，因为在帖子链接本身中附加作者、日期信息非常重要。我做不到。

谢谢

Answer 1

您可以先选择

类型的节点，然后选择其中所有必需的子节点：

var nodes = doc.DocumentNode.SelectNodes("//div[@class ='media-data']")
    .Select(div => new
    {
        Link = div.SelectSingleNode("h4/a"),
        Author = div.SelectSingleNode("//*[@rel='author']"),
        Date = div.SelectSingleNode("//*[@class='date']"),
        Content = div.SelectSingleNode("p[last()]")
    }).Select(data => new
    {
        LinkURL = data.Link.Attributes["href"].Value,
        Text = data.Link.InnerText,
        Author = data.Author.InnerText,
        Date = DateTime.Parse(data.Date.InnerText),
        Content = data.Content.InnerHtml
    });