如何从 HTML 页 C# 中提取一个或多个单词

Question

这里我试图从 HTML 页面中提取一个词。例如，有两个文本框（1 和 2）。现在我正在尝试在 textbox1 上提供 Whosebug 问题 ID，并在 textbox2 上获取 "asked" 值。例如，如果我在 textbox1 上给出 36，这应该在 textbox2 上给我“9 年 4 个月前”。 WebClient webpage = new WebClient(); String html = webpage.DownloadString("https://whosebug.com/questions/" + textBox1.Text); MatchCollection match = Regex.Matches(html, FILTERHERE, RegexOptions.Singleline); 问题是我不知道如何过滤我的输出（FILTERHERE）？另外，如何将我的输出发送到 textbox2？

Answer 1

通过 Windows Forms 应用程序WebBrowser 控件可以使用 wpapps mshtml 库并公开托管 HTML DOM。检索 asked 文本的函数示例：

private static string GetAskedText(HtmlDocument doc)
{
    if (doc == null)
        return "document-null";
    IEnumerable<mshtml.HTMLDivElement> divs = doc.GetElementsByTagName("div")
        .OfType<HtmlElement>()
        .Select(e => e.DomElement as mshtml.HTMLDivElement);
    foreach (var div in divs)
    {
        if (string.IsNullOrWhiteSpace(div?.className))
            continue;
        if (div.className.Trim().ToLower() != "user-info")
            continue;
        var spans = div.getElementsByTagName("span").OfType<mshtml.HTMLSpanElement>();
        foreach (var span in spans)
        {
            if (string.IsNullOrWhiteSpace(span?.className))
                continue;
            if (span.className == "relativetime")
            {
                return span.innerText;
            }
        }
    }

    return "not-found";
}

Complete example 和 Windows 表格申请可以从我的保管箱下载。

Answer 2

与HtmlAgilityPack.

string url = "https://whosebug.com/questions/";
var web = new HtmlWeb();
var doc = web.Load(url + textBox1.Text); //the text is "36"
var tag = doc.DocumentNode.SelectSingleNode("//*[@id='qinfo']//td[./p[@class='label-key' and text()='asked']]/following-sibling::td//b");
textBox2.Text = tag.InnerText;

如果您不知道 XPath，Chrome 和 Firefox 的浏览器扩展可以为您获取任何 Html 标记的 XPath（我个人手动编写它们以降低它们的敏感度更改页面结构）。

如何从 HTML 页 C# 中提取一个或多个单词

How to extract one word or some words from an HTML page C#

html

c#

webclient

winforms