Разбор HTML ловкости

Question

Я хотел бы проанализировать таблицу HTML и отключить содержимое, используя XML для LINQ, в связанном списке.

Я использую пакет Agility для HTML и использую этот код.

    HtmlWeb web = new HtmlWeb();
    HtmlAgilityPack.HtmlDocument doc = web.Load("http://www.SourceURL");
    HtmlNode rateNode = doc.DocumentNode.SelectSingleNode("//div[@id='FlightInfo_FlightInfoUpdatePanel']");
    string rate = rateNode.InnerText;
    this.richTextBox1.Text = rate;

HTML выглядит так ..

<div id="FlightInfo_FlightInfoUpdatePanel">

   <table cellspacing="0" cellpadding="0"><tbody>
     <tr class="">
     <td class="airline"><img src="/images/airline logos/NZ.gif" title="AIR NEW ZEALAND LIMITED. " alt="AIR NEW ZEALAND LIMITED. " /></td>
     <td class="flight">NZ8</td>
     <td class="codeshare">&nbsp;</td>
     <td class="origin">San Francisco</td>
     <td class="date">01 Sep</td>
     <td class="time">17:15</td>
     <td class="est">18:00</td>
     <td class="status">DEPARTED</td>
     </tr>

Но это возвращает

NZ8 San Francisco01 Sep17:1518:00DEPARTEDAC6103NZ8San Francisco01 Sep17:1518:00DEPARTEDCO6754NZ8San Francisco01 Sep17:1518:00DEPARTEDLH7157NZ8San Francisco01 Sep17:1518:00DEPARTEDUA6754NZ8San Francisco01 Sep17:1518:00DEPARTEDUS5308NZ8San Francisco01 Sep17:1518:00DEPARTEDVS7408NZ8San Francisco01 Sep17:1518:00DEPARTEDEK407 Melbourne/Dubai01 Sep17:5017:50DEPARTEDEK413 Sydney/Dubai01 Sep18:0018:00DEPARTEDQF44 Sydney01 

То, что я хотел бы, это вставить в формат XML, а затем использовать LINQ to XML для синтаксического анализа XML в связанном источнике элементов списка.

Я думаю, что мне нужно использовать вариант ниже для каждого класса, но мне нужна помощь.

HtmlNodeCollection cols = rows[i].SelectNodes(".//td[@class='flight']");

Answer 1

Если вы хотите работать с linq в xml, вы можете преобразовать HtmlDocument в строку xml:

HtmlWeb web = new HtmlWeb();
HtmlAgilityPack.HtmlDocument doc = web.Load("http://www.SourceURL");  
doc.OptionOutputAsXml = true;
System.IO.StringWriter sw = new System.IO.StringWriter();
System.Xml.XmlTextWriter xw = new System.Xml.XmlTextWriter(sw);
doc.Save(xw);
string result = sw.ToString();

Тогда вам нужно только создать объект XDocument и загрузить строку xml:

System.Xml.Linq.XDocument xDoc = System.Xml.Linq.XDocument.Parse(result);

А теперь у вас есть XDocument для игры с Linq.

Answer 2

Вы используете InnerText, который удаляет HTML.

Использование InnerHtml:

string rate = rateNode.InnerHtml;

Вы можете создать XML-документ из этой строки (при условии, что это действительный XML).

Вы также можете запросить rateNode так же, как вы его получили - выбрав его дочерние узлы:

var firstRow = rateNode.SelectSingleNode("./table/tbody/tr[0]");
string origin = firstRow.SelectSingleNode("./td[@class = 'origin']");