экран соскоб с htmlAgilityPack и XPath

Question

[Этот вопрос имеет относительно, который живет по адресу: Selective screen scraping with HTMLAgilityPack and XPath]

У меня есть некоторые HTML для синтаксического анализа, который имеет общий вид, как следующие:

... 
<tr> 
<td><a href="" title="">Text Data here (1)</a></td> 
<td>Text Data here(2)</td> 
<td>Text Data here(3)</td> 
<td>Text Data here(4)</td> 
<td>Text Data here(5)</td> 
<td>Text Data here(6)</td> 
<td><a href="link here {1}" class="image"><img alt="" src="" /></a></td> 
</tr> 
<tr> 
<td><a href="" title="">Text Data here (1)</a></td> 
<td>Text Data here(2)</td> 
<td>Text Data here(3)</td> 
<td>Text Data here(4)</td> 
<td>Text Data here(5)</td> 
<td>Text Data here(6)</td> 
<td><a href="link here {1}" class="image"><img alt="" src="" /></a></td> 
</tr> 
... 

Ищу для способ, где я могу разобрать его вниз в содержательных куски, как это:

(1), (2), (3), (4), (5), (6), {1} CRLF
(1) , (2), (3), (4), (5), (6), {1} CRLF
и так далее

Я попробовал два способа:
путь 1:

var dataList = currentDoc.DocumentNode.Descendants("tr") 
       .Select 
       (
        tr => tr.Descendants("td").Select(td => td.InnerText).ToList() 
       ).ToList(); 

который извлекает мне внутренний текст td с, но не может принести ссылку {1}. Здесь создается список, содержащий множество списков. Я могу управлять им, используя вложенный foreach.

путь 2:

var dataList = currentDoc.DocumentNode 
       .SelectNodes("//tr//td//text()|//tr//td//a//@href"); 

, который действительно получает мне ссылку {1} ​​и все данные, но она становится неорганизованным. Здесь все данные присутствуют в большом фрагменте. Поскольку данные в одном tr относительны, я теперь теряю это отношение.

Итак, как я могу решить эту проблему?

Answer 1

Следующий запрос выбирает элемент a с непустым атрибутом href из каждой ячейки. Если нет такого элемента, то внутренний текст ячейки используются:

var dataList = 
    currentDoc.DocumentNode.Descendants("tr") 
       .Select(tr => from td in tr.Descendants("td") 
          let a = td.SelectSingleNode("a[@href!='']") 
          select a == null ? td.InnerText : 
               a.Attributes["href"].Value); 

Не стесняйтесь добавлять ToList() звонков.