我想要使用 HtmlAgilityPack 加上 Xpath 來抓取網頁資料
我不知道是不是我少了什麼參數，假設我的 html 檔案是：
<html>
<head>
<title> XPath Test Page</title>
</head>
<body>
<div class="content">
<p> This is test </p>
</body>
</html>
上面是一個 well-formed 的 html 檔案，我可以用 Xpath:
//div[@class='content']/p 順利的抓到資料
Code 大致上如下：
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.OptionAutoCloseOnEnd = false;
doc.Load(fileName, Encoding.Default); // fileName 檔案就是上述 html
// 底下的 xpath 就是 //div[@class='content']/p
HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes(xpath);
可是如果 html 內容少了 </p>
變成 <p> This is test
那 HtmlAgilityPack 就無法抓取到 "This is test" 的內容
HtmlAgilityPack 對於 non well-formed 的 html 是可以讀取，但是我需要更
進一步使用 Xpath 抓取資料。
不知道有沒有人知道怎麼解決這問題？
我 Google 了很久，都沒遇到有人提到這問題，難道是我用法不對嘛？
--
My Blog: http://webapp-tech.blogspot.com/
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.113.0.109