屏幕采用HTMLAgility帮助下刮，请屏幕、HTMLAgility
昨天晚上，当我问到屏幕抓取我得到了一个很好的文章链接，并得到了我这一点。我有几个问题，但是。我会后我的code，以及下面的HTML源文件。我试图获取数据表之间的数据，然后将数据发送到SQL表。我发现成功抢夺说明的Widget 3.5等...最后修改者乔但是由于1日2 / TR还包括IMG SRC = / ......ALT =00721408的号码不要让一把抓。我我坚持至于如何改变code，使表中的所有数据一把抓。2，什么我需要做的旁边，以prepare数据被发送到一个SQL表。我的code是如下：
使用系统;
使用System.Collections.Generic;
使用System.Linq的;
使用System.Text;
使用HtmlAgilityPack;
使用System.Windows.Forms的;
命名空间ConsoleApplication1
{
}
类节目
{
静态无效的主要（字串[] args）
{
//加载html文件
VAR webGet =新HtmlWeb（）;
VAR DOC = webGet.Load（HTTP：// localhost的）;
//获取文档中的所有表
HtmlNodeCollection表= doc.DocumentNode.SelectNodes（//表）;
//遍历所有行中的第一个表
HtmlNodeCollection行=表[0] .SelectNodes（// TR）;
的for（int i = 0; I＆LT; rows.Count ++ I）
{
//遍历所有列在此行中
HtmlNodeCollection COLS =行[I] .SelectNodes（// TD）;
对于（INT J = 0; J＆LT; cols.Count ++ j）条
{
//获取的列的值，并打印
字符串值= COLS [J] .InnerText;
Console.WriteLine（值）;
}
}
}
}
＆LT;表类=数据＆GT;
＆LT; TR＆GT;＆LT; TD＆GT;部分-民＆LT; / TD＆GT;＆LT; TD宽度=50＆GT;＆LT; / TD＆GT;＆LT; TD＆GT;＆LT; IMG SRC =/一部分code /号/ 072140 ALT =072140/＆GT;＆LT; / TD＆GT;＆LT; / TR＆GT;
＆LT; TR＆GT;＆LT; TD＆GT;马努 - 数字和LT; / TD＆GT;＆LT; TD宽度=50＆GT;＆LT; / TD＆GT;＆LT; TD＆GT;＆LT; IMG SRC =/一部分code /马努/ 00721408 ALT =00721408/＆GT;＆LT; / TD＆GT;＆LT; / TR＆GT;
＆LT; TR＆GT;＆LT; TD＆GT;简介＆LT; / TD＆GT;＆LT; TD＆GT;＆LT; / TD＆GT;＆LT; TD＆GT;的Widget 3.5＆LT; / TD＆GT;＆LT; / TR＆GT;
＆LT; TR＆GT;＆LT; TD＆GT;马努 - 国家＆LT; / TD＆GT;＆LT; TD＆GT;＆LT; / TD＆GT;＆LT; TD＆GT;美国＆LT; / TD＆GT;＆LT; / TR＆GT;
＆LT; TR＆GT;＆LT; TD＆GT;最后修改＆LT; / TD＆GT;＆LT; TD＆GT;＆LT; / TD＆GT;＆LT; TD＆GT; 26 2011年1月，下午8点08＆LT; / TD＆GT;＆LT; / TR＆GT;
＆LT; TR＆GT;＆LT; TD＆GT;最后修改者＆LT; / TD＆GT;＆LT; TD＆GT;＆LT; / TD＆GT;＆LT; TD＆GT;
马努
＆LT; / TD＆GT;＆LT; / TR＆GT;
＆LT; /表＆gt;
＆其中p为H.;
＆LT; /身体GT;＆LT; / HTML＆GT;
解决方案
而脆弱的像这样的工作，你的情况 - 基本上就是包括所有图像的文本内容 ALT 属性：
//迭代中的第一个表中的所有行
HtmlNodeCollection行=表[0] .SelectNodes（// TR）;
的for（int i = 0; I＆LT; rows.Count ++ I）
{
//遍历所有列在此行中
HtmlNodeCollection COLS =行[I] .SelectNodes（// TD）;
对于（INT J = 0; J＆LT; cols.Count ++ j）条
{
VAR图像= COLS [J] .SelectNodes（IMG）;
如果（图像！= NULL）
的foreach（在图像VAR图）
{
如果（image.Attributes [ALT]！= NULL）
Console.WriteLine（image.Attributes [ALT]值）;
}
//获取的列的值，并打印
字符串值= COLS [J] .InnerText;
Console.WriteLine（值）;
}
}
Last night when I asked about screen scraping I was given an excellent article link and has got me to this point. I have a few questions however. I will post my code as well as the html source below. I am trying to grab the data between the data tables, and then send the data to an sql table. I have found success in grabbing Description Widget 3.5 ect... Last Modified By Joe however because the 1st 2 /tr also contains img src=/......" alt="00721408" the numbers do not get grabbed. I am stuck as to how to alter the code so that all the data in the table is grabbed. 2nd, What do I need to do next in order to prepare the data to be sent to a sql table. My code is as follows:
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using HtmlAgilityPack;
using System.Windows.Forms;
namespace ConsoleApplication1
{
}
class Program
{
static void Main(string[] args)
{
// Load the html document
var webGet = new HtmlWeb();
var doc = webGet.Load("http://localhost");
// Get all tables in the document
HtmlNodeCollection tables = doc.DocumentNode.SelectNodes("//table");
// Iterate all rows in the first table
HtmlNodeCollection rows = tables[0].SelectNodes(".//tr");
for (int i = 0; i < rows.Count; ++i)
{
// Iterate all columns in this row
HtmlNodeCollection cols = rows[i].SelectNodes(".//td");
for (int j = 0; j < cols.Count; ++j)
{
// Get the value of the column and print it
string value = cols[j].InnerText;
Console.WriteLine(value);
}
}
}
}
<table class="data">
<tr><td>Part-Num</td><td width="50"></td><td><img src="/partcode/number/072140" alt="072140"/></td></tr>
<tr><td>Manu-Number</td><td width="50"></td><td><img src="/partcode/manu/00721408" alt="00721408" /></td></tr>
<tr><td>Description</td><td></td><td>Widget 3.5</td></tr>
<tr><td>Manu-Country</td><td></td><td>United States</td></tr>
<tr><td>Last Modified</td><td></td><td>26 Jan 2011, 8:08 PM</td></tr>
<tr><td>Last Modified By</td><td></td><td>
Manu
</td></tr>
</table>
<p>
</body></html>
解决方案
While fragile something like this would work in your case - basically just including the text content of all image alt attributes:
// Iterate all rows in the first table
HtmlNodeCollection rows = tables[0].SelectNodes(".//tr");
for (int i = 0; i < rows.Count; ++i)
{
// Iterate all columns in this row
HtmlNodeCollection cols = rows[i].SelectNodes(".//td");
for (int j = 0; j < cols.Count; ++j)
{
var images = cols[j].SelectNodes("img");
if(images!=null)
foreach (var image in images)
{
if(image.Attributes["alt"]!=null)
Console.WriteLine(image.Attributes["alt"].Value);
}
// Get the value of the column and print it
string value = cols[j].InnerText;
Console.WriteLine(value);
}
}
