使用xpath实现document.querySelector样式选择器进行html解析（一）：将html转成xml
使用xpath实现document.querySelector样式选择器进行html解析（二）：扩展一下xpath以便支持正则
使用xpath实现document.querySelector样式选择器进行html解析（三）：实现样式选择器
使用xpath实现document.querySelector样式选择器进行html解析（四）：将选择结果封装进行输出
-----------------------------------------------------------------
恩，其实到目前为止，关于xpath解析html的样式选择器其实已经完工了，而且，应该说比预期的目的还多出了一丢丢的效果
例如：QuerySelector("*[style*='(?<!\w)font-weight\s*:\s*bold(?!\w)']")，可以选中所有style属性中包含粗体定义的节点
例如：QuerySelector("*:contains(abc.*?xyz)")，可以选中所有正文中包含abc和xyz，且abc在xyz之前的节点
注意到没有，我们可以直接使用正则，当然了，第三章我贴的伪类contains处理之前的那个正则不支持圆括号输入，关于指定属性的正则不支持方括号输入，自己魔改一下就可以完整的支持正则了，或者比较麻烦，需要层深计算，但还是可以实现的，可以参考文盲老顾之前关于正则的博文，但是个人感觉没什么必要了
本章为选择器的最后一章，关于结果输出方式的，有自己代码风格的可以不看，毕竟文盲老顾也是半路出家的c#工作者，没有考虑到的，没有学习到的东西都还很多，有更好的结果输出方案的也请告知文盲，让文盲继续进步哦
-----------------------------------------------------------------
public HtmlObjectResult QuerySelector(string selection)
{
string xpath = CssParser.ParseCSS(selection);
try
{
return new HtmlObjectResult(_xml.SelectNodes(xpath, XMLExpand.XPathExpand));
}
catch (Exception ex)
{
throw ex;
}
}
直接将返回的XmlNodeList封装到一个类里，作为结果实现
public class HtmlObjectResult
{
private List<HtmlObjectNode> _result = new List<HtmlObjectNode>();
private int _curr = 0;
public int Count
{
get
{
return _result == null ? 0 : _result.Count;
}
}
public HtmlObjectNode[] NodeCollection
{
get
{
return _result.ToArray();
}
}
public HtmlObjectNode Node
{
get
{
return _result == null ? null : _result[_curr];
}
}
public HtmlObjectResult(XmlNodeList xnl)
{
for (int i = 0; i < xnl.Count; i++)
{
_result.Add(new HtmlObjectNode(xnl[i]));
}
}
public HtmlObjectResult Next
{
get
{
_curr += _curr < _result.Count - 1 ? 1 : 0;
return this;
}
}
public HtmlObjectResult Previous
{
get
{
_curr -= _curr > 0 ? 1 : 0;
return this;
}
}
public HtmlObjectResult First
{
get
{
_curr = 0;
return this;
}
}
}
对于结果来说，它其实是一个节点集合，所以，提供一个Count，来表示到底有多少节点被选中
一般情况下，我们都是直接使用的第一个节点作为我们的结果，所以定义一个First，如果需要其他结果，可以用Next、Previous来选择不同的结果，恩，反正都是返回这个结果集本身，只是下标定位改变了而已
然后可以返回当前选中的结果作为输出内容，也就是Node属性，Node也是一个封装后的xml节点，稍后再讲
当然，如果不喜欢这些，可以直接输出所有的结果，NodeCollection可以满足你的需要，当然其中的元素也是被封装好的结果节点
再然后是正式输出我们期望的结果值了
public class HtmlObjectNode
{
private XmlNode _node = null;
public HtmlObjectNode(XmlNode node)
{
_node = node;
}
public HtmlObjectNode Next
{
get
{
return _node == null ? null : _node.NextSibling != null ? new HtmlObjectNode(_node.NextSibling) : this;
}
}
public HtmlObjectNode Previous
{
get
{
return _node == null ? null : _node.PreviousSibling != null ? new HtmlObjectNode(_node.PreviousSibling) : this;
}
}
public HtmlObjectNode Parent
{
get
{
return _node == null ? null : _node.ParentNode != null ? new HtmlObjectNode(_node.ParentNode) : this;
}
}
public string InnerHtml
{
get
{
return _node == null ? null : Regex.Replace(_node.InnerXml, @"<!\[CDATA\[|\]\]>", "", RegexOptions.IgnoreCase).Trim();
}
}
public string OuterHtml
{
get
{
return _node == null ? null : Regex.Replace(_node.OuterXml, @"<!\[CDATA\[|\]\]>", "", RegexOptions.IgnoreCase).Trim();
}
}
public string InnerText
{
get
{
return _node == null ? null : _node.InnerText;
}
}
public XmlNode Node
{
get
{
return _node;
}
}
}
作为被选中的节点，有时候我们需要纯文本内容，有时候需要html内容，html内容有时候需要包含节点本身，有时候不包含
所以，我们的结果输出就直接定义成三个，分别是InnerText、InnerHtml、OuterHtml，这个也符合html本身的习惯
由于我在第一章的时候，将html转成xml的时候还追加了不少的CDataSetion节点，这些节点在作为结果输出的时候应该被删除节点声明，所以我在这里用正则删除了一些信息
当然，有时候某些节点定位非常麻烦，可他相邻的部分节点非常好定位，那么我们通常会定位到我们希望选中的节点之前，例如有一个表格，很多行很多列，没有样式啦、ID啦，甚至数据的位置也可能改变，但表格的格式不变，比如每一个td声明数据名称后，下一个紧跟着的td必定是它对应的值的时候，我们就可以直接定位到这个数据名称的位置，例如 QuerySelector("td:contains(姓名)")，然后使用Next向后移动一个节点，再输出就是对应的值了：QuerySelector("td:contains(姓名)").First.Node.Next.InnerText
需要注意的是，Node之前的Next是在结果集中选择下一个对应的结果，Node之后的Next是在Html中对应的元素的下一个元素
好了，HtmlParser部分基本上讲完了，之后文盲老顾会尝试做一些数据提取方面新的尝试，在尽量减少指正的情况下，如何从页面内获取到我们想要的数据，例如自动解析表格之类的