使用HtmlAgilityPack获取p标签文本报空错误的解决方法求助

报错根因 #

你调用SelectNodes时如果没有匹配到任何符合条件的节点，会直接返回null而非空集合，直接对返回值调用.Cast<HtmlNode>()就会触发空引用异常。

匹配不到节点的核心原因 #

你要提取的目标文本所属的<p class=MsoNormal>节点，是嵌套在代码块<pre><code>标签内的转义文本，不属于当前加载的HTML的DOM节点，所以直接用//p的XPath规则不可能匹配到。

完整实现代码 #

你需要先提取代码块的转义内容、还原为原始HTML后再做解析，示例如下：

// 1. 提取外层HTML中代码块的转义内容
var codeNode = htmlEmail.DocumentNode.SelectSingleNode("//pre[contains(@class,'snippet-code-html')]/code");
if (codeNode == null) 
{
    // 未找到代码块，自行处理异常逻辑
    return;
}

// 2. 转义还原为原始HTML文本
string rawInnerHtml = System.Net.WebUtility.HtmlDecode(codeNode.InnerText);

// 3. 单独加载还原后的HTML做解析
var innerDoc = new HtmlAgilityPack.HtmlDocument();
innerDoc.LoadHtml(rawInnerHtml);

// 4. 两种方式提取目标文本，按需选择：
// 方式1：XPath匹配节点后提取目标行
var targetPNode = innerDoc.DocumentNode.SelectSingleNode("//p[contains(@class,'MsoNormal')]");
string targetText = null;
if (targetPNode != null)
{
    string allText = targetPNode.InnerText.Replace("\r", "").Replace("\n", " ");
    targetText = allText.Split(new[] { "  " }, StringSplitOptions.RemoveEmptyEntries)
        .FirstOrDefault(t => t.TrimStart().StartsWith("2. Áttekintés"))?.Trim();
}

// 方式2：正则匹配更稳定，无需依赖节点结构
if (targetText == null)
{
    var match = System.Text.RegularExpressions.Regex.Match(innerDoc.DocumentNode.InnerText, 
        @"2\.\s*Áttekintés\s*\d+,.*?bevásárlókosárhoz");
    if (match.Success)
    {
        targetText = match.Value.Trim();
    }
}

// 最终输出目标文本
Console.WriteLine(targetText);

特殊场景适配 #

如果你已经提前提取并解析了还原后的原始HTML，还是匹配不到节点，可以调整XPath规则降低匹配精度：

• 放宽style属性匹配：//p[contains(@style,'margin-bottom') and contains(@style,'12.0pt')]
• 按文本内容匹配：//p[contains(.//text(), 'Áttekintés')]

内容的提问来源于stack exchange，提问作者derstauner