时间戳

首页 > 解决方案 > html/web 抓取 C# 特定文件结构

c# - html/web 抓取 C# 特定文件结构

问题描述

我更喜欢在 C# 中执行此操作，但如果最好的是在 R 或 Python 中，我可以在需要时通过其中一个推送包含结果的文件。为朋友这样做，所以想在一个易于使用的 exe 中完成所有操作。

我正在寻找从几百个 HTML 文件中提取一行的最佳方法，并且它始终是每个 html 文件中的第 23 行。（如果您打开文件进行编辑）

通过文件的迭代没什么大不了的，但我正在寻找的是一种只收集 tr class=g 中的第 4 个 td 的方法，但是文件中有许多相同的 tr 类

<tr class=g><td class=s1>Talent</td><td>Good</td><td>Average</td><td>Poor</td><td>Brilliant</td><td>Good</td><td>Good</td></tr>

在上面的例子中，“辉煌”是我试图找到的，但前提是这个职位有辉煌这个词。

提前致谢。

标签： c#

解决方案

有点不清楚您所说的第 23 行是什么意思。您是指文件中的第 23 行，还是浏览器中的第 23 行？

如果是第一种情况，最简单的方法是简单地加载每个文件并扫描新行。由此，您将能够确定何时到达第 23 行。

但是，如果您想加载 HTML 并能够使用类似 jQuery 的选择器（例如 ）来扫描元素tr .g，我会推荐类似我的 HTML 解析器HtmlMonkey的东西。该库将解析 HTML，然后让您轻松搜索元素。它是一个 NuGet 包，但也可以在 Git Hub 上使用。

推荐阅读