C#解析RSS源内嵌表格时抛出NullReferenceException求助

触发异常的核心问题点 #

• 定位表格节点的逻辑完全不适配RSS的结构
  加载的RSS本质是标准XML文档，目标HTML表格是被包裹在CDATA段内，挂在<item>/<description>节点下的，不是直接暴露在文档根层级的。直接全局执行SelectSingleNode("//table")大概率返回null，后续对null对象调用SelectNodes方法时，就会直接抛出NullReferenceException。
• XPath相对路径写法完全错误
  按照XPath规范，只要查询路径以//开头，就会从整个文档的根节点开始做全量匹配，不会以当前调用方法的DOM节点为查询起点。
  比如已经拿到了某一个row节点，写row.SelectNodes("//td")，实际拿到的是整个文档范围内所有的td节点，根本不是当前行内部的单元格。如果全局范围内没匹配到对应节点，SelectNodes会返回null，后续操作就会触发空引用。
• 忽略了HtmlAgilityPack的返回值特性
  该组件的SelectNodes方法在无匹配结果时返回的是null，而非空集合。哪怕前面对rows做了非空判断，进入循环后如果查cells没做判空，一旦匹配不到就会直接抛异常。

可直接运行的修正代码 #

public void readRss()
{
    string Url = "mylink.com";
    HtmlWeb web = new HtmlWeb();
    HtmlDocument doc = web.Load(Url);
    
    // 调整匹配路径，定位description下CDATA块里的表格
    var table = doc.DocumentNode.SelectSingleNode("//item/description//table");
    // 前置非空判断，避免对null节点操作
    if (table == null)
    {
        Console.WriteLine("未匹配到目标表格，退出解析");
        return;
    }

    // 以table为起点，用.//匹配下属所有tr节点，不再用全局匹配的//
    var rows = table.SelectNodes(".//tr");
    if (rows != null && rows.Count > 0)
    {
        foreach (var row in rows)
        {
            // 同样以当前row为起点，匹配下属td
            var cells = row.SelectNodes(".//td");
            // 单元格节点单独做非空判断
            if (cells == null || cells.Count == 0) continue;
            
            // 提取文本的逻辑
            foreach (var cell in cells)
            {
                var cellText = cell.InnerText.Trim();
                // 原有业务处理逻辑
            }
        }
    } 
}

额外排查提醒 #

• 给出的XML样例本身存在结构瑕疵：第二个<tr>标签没有闭合，虽然HtmlAgilityPack容错能力较强能自动补全，但如果遇到严格的XML解析校验，很可能出现节点层级识别错误。
• 所有SelectSingleNode、SelectNodes的返回值都要做非空判断，不要默认目标节点一定存在——RSS源的结构随时可能因为站点调整发生变化，硬编码的匹配路径很容易因为结构偏移返回null。
• 如果调整路径后还是找不到table节点，说明HtmlAgilityPack把CDATA段的内容识别为纯文本节点，没有自动解析成DOM结构。这时候可以先提取CDATA节点的InnerText，把里面包裹的HTML字符串单独传给新的HtmlDocument实例调用LoadHtml解析，再执行后续表格查找逻辑。

内容的提问来源于stack exchange，提问作者Tabris