Agilité pack XPath Problème
-
26-10-2019 - |
Question
Je tente d'utiliser le HTML Agility pack pour rechercher des mots-clés spécifiques sur Google, puis vérifier à travers les nœuds liés jusqu'à trouver mon string url de sites, analyser ensuite le innerHTML du nœud que je suis sur mon classement Google.
Je suis relativement nouveau à l'agilité pack (comme, je commencé à regarder vraiment à travers hier) donc j'espérais que je pourrais obtenir de l'aide à ce sujet. Quand je fais la recherche ci-dessous, je reçois des échecs sur mes requêtes XPath à chaque fois. Même si je insérer quelque chose d'aussi simple que SelectNodes ( "// * [@ id = 'RSO']"). Est-ce quelque chose que je fais mal?
private void GoogleScrape(string url)
{
string[] keys = keywordBox.Text.Split(',');
for (int i = 0; i < keys.Count(); i++)
{
var raw = "http://www.google.com/search?num=100&q=";
string search = raw + HttpUtility.UrlEncode(keys[i]);
var webGet = new HtmlWeb();
var document = webGet.Load(search);
loadtimeBox.Text = webGet.RequestDuration.ToString();
var ranking = document.DocumentNode.SelectNodes("//*[@id='rso']");
if (ranking != null)
{
googleBox.Text = "Something";
}
else
{
googleBox.Text = "Fail";
}
}
}
La solution
Ce n'est pas la culpabilité du paquet Agilité - il est difficile de Google. Si vous inspectez _TEXT propriété de HtmlDocument avec le débogueur, vous constaterez que <ol>
qui a id='rso'
lors de l'inspection dans un navigateur ne possède pas d'attributs pour une raison quelconque.
Je pense que, dans ce cas, vous pouvez simplement Serach « // ol », parce qu'il n'y a qu'une seule étiquette <ol>
dans la page des résultats de Google au moment ...
Mise à jour: Je l'ai fait d'autres vérifications. Par exemple, quand je fais ceci:
using (StreamReader sr =
new StreamReader(HttpWebRequest
.Create("http://www.google.com/search?num=100&q=test")
.GetResponse()
.GetResponseStream()))
{
string s = sr.ReadToEnd();
var m2 = Regex.Matches(s, "\\sid=('[^']+'|\"[^\"]+\")");
foreach (var x in m2)
Console.WriteLine(x);
}
Les seuls ids qui sont renvoyés sont:. "Sflas", "hidden_modes" et "tbpr_12"
Pour conclure: Je l'ai utilisé Html Agility Pack et il est assez bien fait face même avec malformé html (et même <p>
unclosed <li>
étiquettes etc.)