如何使用C# XPath提取指定HTML元素的InnerText值

要在C#里用XPath提取HTML元素的InnerText，直接用.NET自带的XML解析类（比如XmlDocument）容易踩坑——毕竟大部分网页HTML都不是严格的XML格式。我推荐用HtmlAgilityPack这个专门处理HTML的库，下面是具体步骤：

步骤1：安装HtmlAgilityPack #

首先通过NuGet安装这个包：

• 打开NuGet包管理器控制台，执行命令：Install-Package HtmlAgilityPack
• 或者在Visual Studio的NuGet包管理器里搜索HtmlAgilityPack并安装。

步骤2：编写代码解析HTML并提取内容 #

针对你给出的HTML片段，我整理了完整的示例代码（注意我补全了部分截断的HTML内容，你需要替换成自己的完整HTML）：

using HtmlAgilityPack;
using System;

class Program
{
    static void Main()
    {
        // 替换成你的完整HTML内容
        string htmlContent = @"<div class=""Lts(1px) Fz(14px) Fs(i) Lh(2.5) Fw(300) Tsh($temperature-text-shadow)""><span>5/3, 12:48 PM</span></div></section><section class=""weather-card C(#fff) M(10px) Pos(a) B(0) Start(0) End(0)"" data-type=""temperature"" data-reactid=""21""><div class=""temperature Fz(14px) Tsh($temperature-text-shadow)"" data-reactid=""22""><div class=""My(2px)"" data-reactid=""23""><span data-code=""30"" class=""Va(m)"" data-reactid=""24"">25°C</span></div></div></section>";

        // 初始化HTML文档对象
        HtmlDocument htmlDoc = new HtmlDocument();
        htmlDoc.LoadHtml(htmlContent);

        // 提取时间文本（对应第一个span的内容）
        var timeElement = htmlDoc.DocumentNode.SelectSingleNode("//div[@class='Lts(1px) Fz(14px) Fs(i) Lh(2.5) Fw(300) Tsh($temperature-text-shadow)']/span");
        if (timeElement != null)
        {
            string timeText = timeElement.InnerText;
            Console.WriteLine($"提取的时间: {timeText}"); // 输出：5/3, 12:48 PM
        }

        // 提取温度相关文本（对应data-type为temperature的section下的span）
        var tempElement = htmlDoc.DocumentNode.SelectSingleNode("//section[@data-type='temperature']//span[@data-code='30']");
        if (tempElement != null)
        {
            string tempText = tempElement.InnerText;
            Console.WriteLine($"提取的温度: {tempText}");
        }
    }
}

关键说明 #

1. XPath表达式的写法：
   • 提取时间的XPath：//div[@class='Lts(1px) Fz(14px) Fs(i) Lh(2.5) Fw(300) Tsh($temperature-text-shadow)']/span——通过精确匹配div的class属性，定位到它下面的span元素。
   • 提取温度的XPath：//section[@data-type='temperature']//span[@data-code='30']——利用data-type这个自定义属性定位section，再通过data-code定位目标span，这种方式比依赖class更稳定（class可能随样式调整变化）。
2. 处理不完整HTML：你提供的HTML片段有<...截断，实际使用时必须保证HTML结构完整，否则HtmlAgilityPack可能无法正确解析元素。
3. 空值判断：一定要加if (element != null)的判断，避免因为元素找不到导致空引用异常。

内容的提问来源于stack exchange，提问作者Shahzad Naseer