使用Html Agility Pack按描述匹配从HTML表格提取值时遇空引用异常

触发空引用的核心原因 #

• XPath语法不合法
  原代码选择表格时的写法//table[@id='tableId' and class='tableClass']存在语法错误：匹配class属性时缺失@前缀，该规则实际是查找table内部嵌套的、标签名为class且文本值为tableClass的节点，根本无法定位到目标table，直接返回null，后续在null节点上调用方法就会触发空引用。
• 根节点定位偏差
  即便修正了class的语法问题，原路径结尾的//tr会直接返回表格下的第一个<tr>节点，而非表格本身，不具备全局跨节点查找的能力。
• 节点层级逻辑错误
  对应值的<td>是和<th>同属一个<tr>的兄弟节点，原代码写的th[匹配规则]/td是查找th内部嵌套的td子节点，和实际HTML结构完全不匹配，同样会返回null。
• 文本匹配兼容性不足
  原HTML的th、td节点文本前后带换行、缩进空白，直接用text()做包含匹配时，因为text()仅返回节点的直接文本子项，很容易被空白分割导致匹配失效。

修正后可正常运行的实现代码 #

string filename = "TableSample.htm";
HtmlDocument doc = new HtmlDocument();
doc.Load(filename);

// 准确定位目标表格根节点
var targetTable = doc.DocumentNode.SelectSingleNode("//table[@id='tableId' and contains(@class, 'tableClass')]");

// 兼容空白格式匹配对应行的值
var value1 = targetTable.SelectSingleNode(".//tr[normalize-space(th/text())='Description_Line_1']/td/text()").InnerText.Trim();
var value2 = targetTable.SelectSingleNode(".//tr[normalize-space(th/text())='Description_Line_2']/td/text()").InnerText.Trim();

正式环境的兜底优化 #

可在提取时增加非空判断，避免极端场景下（如HTML结构变更）触发新的空引用：

var value1Node = targetTable?.SelectSingleNode(".//tr[normalize-space(th/text())='Description_Line_1']/td/text()");
var value1 = value1Node?.InnerText.Trim() ?? string.Empty;

关键调整点说明 #

• 所有属性匹配统一加@前缀，保证XPath语法合法
• class类名匹配改用contains(@class, '类名')，兼容HTML中class多值拼接的常见场景
• 文本匹配改用normalize-space()自动压缩连续空白、去除首尾缩进，避免换行、制表符导致的匹配失效
• 节点层级调整为匹配「tr单元下的同级td」，完全贴合HTML的表格结构
• 提取后对文本做Trim处理，过滤标签前后的冗余空白

内容的提问来源于stack exchange，提问作者Nick_F