如何在C#中利用HtmlDocument和XPath根据Key-content获取Value-content？

我在C#中使用HtmlDocument的LoadHtml方法加载了一个HTML页面，尝试遍历HTML结构。目标HTML片段如下：

<tr class="xxxx">
    <td class="yyyy">
        <span>Key-content</span>
        <sup class ="zzzz">abcd</sup>
    </td>
    <td class="wwww">Value-content</td>
</tr>

我希望通过DocumentNode.SelectSingleNode方法，根据已知的Key-content字符串，获取对应的Value-content元素内容，但无法写出正确的XPath表达式。已尝试的代码如下：

Task<HttpResponseMessage> response = client.GetAsync(address, HttpCompletionOption.ResponseContentRead);
using (HttpResponseMessage message = response.Result)
{
    using (HttpContent content = message.Content)
    {
        string xmlData = content.ReadAsStringAsync().Result;
        HtmlDocument htmlDoc = new HtmlDocument();
        htmlDoc.LoadHtml(xmlData);

        string xpath = "//*['Key-content']/../../td[1]";
        // ==> //*['Key-content']: 定位包含'Key-content'的<span>节点
        // ==> /../..: 向上回溯两次到<tr>节点
        // ==> /td[1]: 定位目标节点
        HtmlNode node = htmlDoc.DocumentNode.SelectSingleNode(xpath);
        string text = node.InnerText;
    }
}

原XPath的问题 #

1. 文本匹配写法错误：//*['Key-content']无法正确匹配包含指定文本的节点，需要用text()函数筛选，正确的文本匹配写法是//span[text()='Key-content']（因为文本明确在<span>里，直接指定标签更精准）。
2. 目标节点索引错误：<tr>下的第一个<td>是包含Key-content的节点，第二个才是存储Value-content的节点，所以应该用td[2]而非td[1]。

正确的XPath表达式 #

可以用两种写法实现：

• 基于父节点回溯：

//span[text()='Key-content']/../../td[2]

• 用ancestor轴定位父级<tr>（可读性更强）：

//span[text()='Key-content']/ancestor::tr/td[2]

修正后的代码 #

Task<HttpResponseMessage> response = client.GetAsync(address, HttpCompletionOption.ResponseContentRead);
using (HttpResponseMessage message = response.Result)
{
    using (HttpContent content = message.Content)
    {
        string xmlData = content.ReadAsStringAsync().Result;
        HtmlDocument htmlDoc = new HtmlDocument();
        htmlDoc.LoadHtml(xmlData);

        // 使用更清晰的ancestor轴写法
        string xpath = "//span[text()='Key-content']/ancestor::tr/td[2]";
        HtmlNode node = htmlDoc.DocumentNode.SelectSingleNode(xpath);
        // 增加空节点判断，避免空引用异常
        string text = node?.InnerText ?? string.Empty;
    }
}

内容的提问来源于stack exchange，提问作者Douar Gwenn