Парсинг с помощью HtmlAgilityPack

@TIGRUS · Регистрация: 14.07.2011

Author24 — интернет-сервис помощи студентам

Здравствуйте. Нужно спарсить со страницы два числа, которые стоят между тегов <span id="first_id">*первое число*<font> и <span id="second_id">*второе число*<font> и поместить их в две переменные (без разницы, string или int). Предпочтительней будет сделать это с помощью HtmlAgilityPack, но можно и по-другому. Ниже часть кода страницы.

HTML5

<body>
....
<div class="class1">
    <div class="class2">
                        <p>You have <span id="first_id">142 <font>points</font></span></p>
        <p>She has<span id="second_id">2324 <font>points</font></span></p>
    </div>
    <div id="div_id">
        <div style="padding: 40px 0 0 55px; font-size: 12px; text-align:center;">
            <strong>Your Flash Player plugin is outdated.</strong><br />
                Click <a href="/?detectflash=false">here</a>, to download the latest Adobe Flash Player plugin.
        </div>
    </div>
</div>
...
</body>

Спасибо.

@turbanoff · 31.03.2012, 12:26

А с чем проблемы возникли?

@TIGRUS · 01.04.2012, 01:05 **[ТС]**

Сообщение от turbanoff

А с чем проблемы возникли?

Не знаю, как реализовать парсинг с <div class="">. С <div id=""> получилось, а вот с этого не выходит.
С HtmlAgilityPack раньше не работал.

Добавлено через 3 часа 8 минут
Скажите, пожалуйста, что и где почитать по сабжу. Спасибо.

@sooqua · 01.04.2012, 12:16

Это в самый верх:

C#

1	using System.Text.RegularExpressions;

Т.к. не знал, откуда парсить, сделал для richTextBox1, а если тебе из веббраузера надо то можешь сделать так:

C#

1	richTextBox1.Text = webBrowser1.DocumentText;

И сам парсинг:

C#

            var firstid = Regex.Match(richTextBox1.Text, @"<span\sid=""first_id"">([^>]*)<font>").Groups[1].Value;
            var secondid = Regex.Match(richTextBox1.Text, @"<span\sid=""second_id"">([^>]*)<font>").Groups[1].Value;
            MessageBox.Show(firstid);
            MessageBox.Show(secondid);

@Ashitaka · 12.05.2013, 18:01

Здравствуйте, делаю парсинг html страницы при помощи HTMLAgilityPack. В итоге возвращает нужную мне таблину, но в этой таблице есть две ненужные мне строки. Как их оттуда убрать? Построчно парсить, а потом складывать строчки, как нужно, не получится, потому, как в таблице есть не постоянные поля, которые тоже очень нужны.
Помогите, пожалуйста.
Код:

C#

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using HtmlAgilityPack;
using HtmlDocument = HtmlAgilityPack.HtmlDocument;
using System.IO;
 
namespace WinFormPars
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
 
            try
            {
                example();
            }
            catch (Exception)
            {
                throw;
            }
        }
 
        void example()
        {
            string sURL;
            sURL = "http://www.yandex.ru";
 
            HtmlDocument doc = new HtmlDocument();
            var web = new HtmlWeb
            {
                AutoDetectEncoding = false,
                OverrideEncoding = Encoding.UTF8,
            };
                HtmlNodeCollection hnNode = doc.DocumentNode.SelectNodes("//table[@class='" + "b-stocks-i b-stocks-i-currency" + "']");
                if (hnNode != null)
                {
                    foreach (var hn in hnNode)
                    {
                            string outputText = hn.OuterHtml;
                            webBrowser1.DocumentText = outputText;
                            richTextBox1.AppendText(outputText);
                    }
                }
                else
                {
                    MessageBox.Show("hnNode вернула null");
                }
            }
    }
}

У яндекса курс зачем-то записан 2-мя span-ами, из которых 1-й курс с точностью в 2 знака, и он абсолютно не нужен, а вот второй - тот же курс только с точностью в 4 знака, который, как раз и необходим мне.

Добавлено через 5 часов 53 минуты
Вроде разобрался, как. Просто с outputText нужно работать, как с обычной строкой. Придется использовать регулярные выражения.

@turbanoff 4091 / 3825 / 745 Регистрация: 18.05.2010 Сообщений: 9,331 Записей в блоге: 11
	31.03.2012, 12:26	2
	А с чем проблемы возникли? 0

@TIGRUS 6 / 6 / 0 Регистрация: 14.07.2011 Сообщений: 80
	01.04.2012, 01:05 [ТС]	3
	Сообщение от turbanoff А с чем проблемы возникли? Не знаю, как реализовать парсинг с <div class="">. С <div id=""> получилось, а вот с этого не выходит. С HtmlAgilityPack раньше не работал. Добавлено через 3 часа 8 минут Скажите, пожалуйста, что и где почитать по сабжу. Спасибо. 0

	12.05.2013, 18:01

Опции темы