Как разобрать текст из анонимного блока в AngleSharp?

Question

Как разобрать текст из анонимного блока в AngleSharp?

Я анализирую содержимое сайта с помощью AngleSharp, и у меня возникла проблема с анонимным блоком.

Смотрите пример кода:

var parser = new HtmlParser();
var document = parser.Parse(@"<body>
<div class='product'>
    <a href='#'><img src='img1.jpg' alt=''></a>
    Hello, world
    <div class='comments-likes'>1</div>
</div>
<div class='product'>
    <a href='#'><img src='img2.jpg' alt=''></a>
    Yet another helloworld
    <div class='comments-likes'>25</div>
</div>
<body>");

var products = document.QuerySelectorAll("div.product");
foreach (var product in products)
{
    var productTitle = product.Text();
    productTitle.Dump();
}

Итак, productTitle содержит числа из div.comments-лайков, вывод:

Привет, мир 1
Еще один helloworld 25

Я пробовал что-то вроде product.FirstElementChild.NextElementSibling.Text(); но следующий брат для элемента ссылки - div.comments-likes, а не анонимный блок. Это показывает:

1
25

Итак, анонимные блоки пропускаются.:(

Лучший обходной путь, который я нашел, - это удаление всех блокирующих блоков, например:

product.QuerySelector(".comments-likes").Remove();
var productTitle = product.Text().Trim();

Есть ли лучший способ для анализа текста из анонимного блока?

4

c# anglesharp

Источник

user5752652 11 мар '17 в 14:11

1 ответ

Решение

Другие вопросы по тегам c# anglesharp

user2998271 12 мар '17 в 07:16 2017-03-12 07:16 · Accepted Answer · 2017-03-12 07:16

Текст моделируется как TextNode это тип узла рядом с элементом, узел комментария, инструкция обработки и т. д. Вот почему NextElementSibling вы пытались не включать текст в результат, поскольку он намеревался возвращать только элементы, как следует из названия.

Вы можете получить текстовые узлы, расположенные непосредственно в продукте div проходя через div "s ChildNodes а затем отфильтровать NodeType, например:

var products = document.QuerySelectorAll("div.product");
foreach (var product in products)
{
    var productTitle = product.ChildNodes
                              .First(o => o.NodeType == AngleSharp.Dom.NodeType.Text 
                                            && o.TextContent.Trim() != "");
    Console.WriteLine(productTitle.TextContent.Trim());
}

dotnetfiddle demo

Обратите внимание, что переводы строк между элементами также являются текстовыми узлами, поэтому нам нужно отфильтровать их в приведенной выше демонстрации.