使用HtmlAgilityPack解析节点的子节点的问题

我在解析html中的输入标签子窗体时出现问题。我可以使用// input [@type]从根目录解析它们，但不能作为特定节点的子节点。使用HtmlAgilityPack解析节点的子节点的问题

下面是一些代码，说明了这个问题：

private const string HTML_CONTENT = 
     "<html>" + 
     "<head>" + 
     "<title>Test Page</title>" + 
     "<link href='site.css' rel='stylesheet' type='text/css' />" + 
     "</head>" + 
     "<body>" + 
     "<form id='form1' method='post' action='http://www.someplace.com/input'>" + 
     "<input type='hidden' name='id' value='test' />" + 
     "<input type='text' name='something' value='something' />" + 
     "</form>" + 
     "<a href='http://www.someplace.com'>Someplace</a>" + 
     "<a href='http://www.someplace.com/other'><img src='http://www.someplace.com/image.jpg' alt='Someplace Image'/></a>" + 
     "<form id='form2' method='post' action='/something/to/do'>" + 
     "<input type='text' name='secondForm' value='this should be in the second form' />" + 
     "</form>" + 
     "</body>" + 
     "</html>"; 

public void Parser_Test() 
    { 
     var htmlDoc = new HtmlDocument 
     { 
      OptionFixNestedTags = true, 
      OptionUseIdAttribute = true, 
      OptionAutoCloseOnEnd = true, 
      OptionAddDebuggingAttributes = true 
     }; 

     byte[] byteArray = Encoding.UTF8.GetBytes(HTML_CONTENT); 
     var stream = new MemoryStream(byteArray); 
     htmlDoc.Load(stream, Encoding.UTF8, true); 
     var nodeCollection = htmlDoc.DocumentNode.SelectNodes("//form"); 
     if (nodeCollection != null && nodeCollection.Count > 0) 
     { 
      foreach (var form in nodeCollection) 
      { 
       var id = form.GetAttributeValue("id", string.Empty); 
       if (!form.HasChildNodes) 
        Debug.WriteLine(string.Format("Form {0} has no children", id)); 

       var childCollection = form.SelectNodes("input[@type]"); 
       if (childCollection != null && childCollection.Count > 0) 
       { 
        Debug.WriteLine("Got some child nodes"); 
       } 
       else 
       { 
        Debug.WriteLine("Unable to find input nodes as children of Form"); 
       } 
      } 
      var inputNodes = htmlDoc.DocumentNode.SelectNodes("//input"); 
      if (inputNodes != null && inputNodes.Count > 0) 
      { 
       Debug.WriteLine(string.Format("Found {0} input nodes when parsed from root", inputNodes.Count)); 
      } 
     } 
     else 
     { 
      Debug.WriteLine("Found no forms"); 
     } 
    }

什么是输出：

Form form1 has no children 
Unable to find input nodes as children of Form 
Form form2 has no children 
Unable to find input nodes as children of Form 
Found 3 input nodes when parsed from root

我会想到的是，Form 1和Form既能有孩子和输入[@type ]将能够找到2个节点的form1和1的form2

是否有一个特定的配置设置或方法，我没有使用，我应该是？有任何想法吗？

感谢，

史蒂夫

来源

2010-06-23 SteveG

好吧，我已经放弃了HtmlAgilityPack现在。似乎在图书馆里还有更多的工作要做，为了解决这个问题，我已经将代码移到使用这里的SGMLReader库中：http://developer.mindtouch.com/SgmlReader

使用这个库，我的所有单元测试都能正常通过，并且示例代码按预期工作。

来源

2010-06-23 16:34:18 SteveG

退房的HtmlAgilityPack网站上的这个话题 - http://htmlagilitypack.codeplex.com/workitem/21782

这就是他们所说的话：

这是不是一个错误，而是一个功能是可配置的。 FORM被这样对待，因为许多HTML页面都有重叠的表单，因为这实际上是原始HTML的一个（强大的）功能。既然XML和XHTML存在，所有人都认为重叠是一个错误，但它不是（在HTML 3.2中）。检查HtmlNode.cs文件，并修改ElementsFlags集合（或在运行时做到这一点，如果你喜欢）

要修改HtmlNode.cs文件中注释掉以下行 -

ElementsFlags.Add("form", HtmlElementFlag.CanOverlap | HtmlElementFlag.Empty);

来源

2010-06-25 19:30:36

对于那些谁不想更改Html Agility Pack代码：HtmlNode.ElementsFlags.Remove（“form”）; – Doug 2011-09-10 16:20:15

更多在这里：http://stackoverflow.com/questions/4218847/htmlagilitypack-does-form-close-itself-for-some-reason – 2012-05-07 07:09:49

我希望我可以多次投票。这个“特征”鼓励陷入失败的陷阱。 – MatthewMartin 2013-05-08 21:48:44

使用HtmlAgilityPack解析节点的子节点的问题

回答

相关问题