htmlagilitypack bug

Question

我试图解析一个网站，并获得一些内容。这是我的密码：

doc.DocumentNode.SelectSingleNode("//div[@class='article-content']").InnerText

我只需要短信，但结果是这样的:一些短信.这个数组：

( [0] => 39 [1] => 6 [2] => 10 [3] => 9 [4] => 13 [5] => 5 [6] => 7 [7] => 12 [8] => 11 [9] => 8 [10] => 14 [11] => 82 ) [archtoday] => 0 [hour] => 09:00 [autoarchive] => 1 [autoarchivereset] => 1 [show_description] => 0 [num_desc_words] => 10 [show_description_image] => 0 [num_leading_articles] => 0

我试过：

HtmlEntity.DeEntitize(doc.DocumentNode.SelectSingleNode("//div[@class='article-content']").InnerText)

但是结果是相同的链接：http://www.interpressnews.ge/ge/politika/353565-barak-obamas-thanashemtse-rusethma-saqarthveloshi-gankhorcielebuli-intervenciis-dros-mighebuli-gakvethilebi-aithvisa.html

div：

<div class="article-content">

Answer 1

关于内部文本，需要注意的是，它将为您提供节点的文本内容，但不关心CSS或其他任何影响网页本身显示的内容。这意味着，如果有一个节点将display css属性设置为none，那么HTML解析器将不关心，它将向您显示该节点的文本。这正是这里正在发生的事情。

http://www.interpressnews.ge/ge/politika/353565-barak-obamas-thanashemtse-rusethma-saqarthveloshi-gankhorcielebuli-intervenciis-dros-mighebuli-gakvethilebi-aithvisa.html是您在评论中提到的页面。如果您查看页面的源代码(ctrl在chrome中，我认为firefox不确定IE中的快捷方式)，那么在页面中查找article-content，您会发现文章中也有一个<div style="display:none;">，其中包含您正在看到的奇怪的文本。因此，这不是html敏捷性包中的一个bug。

您将需要分析页面并编写更复杂的代码，以便准确地从页面中提取出您想要提取的内容。