Анализ данных с различной структурой от XML до List<string>
У меня есть XML-данные, представляющие один клиент, загруженный в веб-браузер, например:
<!--?xml version = "1.0" encoding = "UTF-8" ?-->
<html>
<head></head>
<body>
<document>
<Name>Carl</Name>
<Surname>Smith</Surename>
<Age>40</Age>
<Gender>M</Gender>
</document>
</body>
и полученная веб-страница отображает данные следующим образом:
Карл Смит 40 М
Указанная веб-страница на самом деле отображает лишь простую строку информации и ничего больше.
С этим есть несколько проблем.
Существует 10–15 шаблонов структуры данных XML. Например, в одном шаблоне может отсутствовать возраст, другой будет начинаться с фамилии, а третий будет содержать дополнительную информацию. Это означает, что никакой стандартизации не существует.
Каждый клиент имеет в зависимости от шаблона от 68 до 278 (ровно) атрибутов/элементов в соответствующем XML. Таким образом, приведенный выше пример на самом деле настолько прост, насколько он позволяет донести суть.
Как разобрать этот XML в List<string>? Я бы хотел, чтобы в этом списке была одна часть информации из XML в качестве одного элемента в этом списке. Если продолжить пример выше, результат будет выглядеть так:
Список[0] = "Карл"
Список[1] = "Смит"
List[2] = "40" (да, четные числа будут преобразованы в строку)
Список[3] = "М"
и так далее..
Полагаю, ответ будет чем-то вроде Как мне извлечь эти XML-элементы в List<string>? но поскольку мои элементы (атрибуты) каждый раз имеют разные названия, я несколько теряюсь.
Я подозреваю, что код выглядит примерно так (взято из другого поста), но я не знаю, что поставить вместо YXYXYXXYX, поскольку элемент/атрибут меняется для каждой строки:
using System;
using System.Linq;
using System.Xml.Linq;
public class Test
{
static void Main()
{
string _url = _UrlMaker.GetUrl(); //method which extracts URL with the XML data
WebClient client = new WebClient();
var xml = client.DownloadString(_url); //this should load the XML?
XDocument doc = XDocument.Parse(xml);
var list = doc.Root.Elements(YXYXYXXYX)
.Select(element => element.Value)
.ToList();
}
}
Может ли кто-нибудь предоставить мне код для этой проблемы?
Ответы 2
Это может быть возможным решением:
var url = "your URL";
using var httpClient = new HttpClient()
var response = await httpClient.GetAsync(url);
response.EnsureSuccessStatusCode();
var htmlContent = await response.Content.ReadAsStringAsync();
var doc = XDocument.Parse(htmlContent);
var list = doc.Root
.DescendantsAndSelf()
.Where(e => !e.HasElements && !string.IsNullOrEmpty(e.Value))
.Select(e => e.Value.ToString())
.ToList();
глупый вопрос, но является ли мой документ вообще XML? Мне сказали, что так и должно быть... но поскольку первая строка (теперь отредактированная) кажется незаконной...
Нет, на самом деле это HTML. Здесь также есть открывающие и закрывающие теги, но, строго говоря, это не XML.
Спасибо! Так могу ли я как-то изменить его на XML или мне следует выбрать другой метод анализа?
Я снова отредактировал свой ответ. Это должно работать и с этим HTML (если у вас есть все закрывающие теги).
спасибо, проблема в том, что мой вывод HTML (формально считавшийся XML) меняется, поэтому я не могу просто поместить его в строку, как в вашем ответе. Есть ли способ скачать html-код?
Я снова изменил свое сообщение. Это должно работать с любым URL-адресом (когда HTML действителен, не имеет комментариев и т. д.).
Давайте продолжим обсуждение в чате.
спасибо, а можно ли это сделать синхронно?
Хм... вам следует делать это асинхронно. Это возможно, но не рекомендуется.
Мне удалось решить это следующим образом: я загрузил HTML в строку, превратил его в список, удалил первые две строки и снова превратил их в строку, а затем правильно проанализировал его в соответствии с вашими предыдущими инструкциями, не используя асинхронный путь. Большое вам спасибо за ваше время!
Вы можете получить все значения в список с помощью:
List<string> values = doc.Descendants("document")
.Elements()
.Select(element => element.Value)
.ToList();
Для получения дополнительной информации обратитесь к приведенному ниже коду:
using System;
using System.Collections.Generic;
using System.Linq;
using System.Xml.Linq;
class Program
{
static void Main()
{
string xmlData = @"<html>
<head></head>
<body>
<document>
<Name>Carl</Name>
<Surname>Smith</Surname>
<Age>40</Age>
<Gender>M</Gender>
</document>
</body>
</html>";
XDocument doc = XDocument.Parse(xmlData); // load the string as XDocument
List<string> values = doc.Descendants("document")
.Elements()
.Select(element => element.Value)
.ToList(); // get values to a string list
values.ForEach(Console.WriteLine); // Print each value
}
}
См. прикрепленный файл .netFiddle здесь
Привет! Спасибо, при вызове моего метода я получил эту ошибку: System.Xml.XmlException: «Неожиданное объявление XML. Объявление XML должно быть первым узлом в документе, и перед ним не допускается появление пробелов. Линия 2, позиция 3.' Есть идеи?
теперь я понимаю, почему первая строка синтаксического анализа XML выглядит так: '<!--?xml version = "1.0"coding = "UTF-8" ?-->', но она должна начинаться с '<? xml'. Возможно, я здесь о многом спрашиваю, но есть ли простой способ изменить это в моем собственном коде?
феноменально, спасибо! Точно так же, как г-н. В случае с Нанаяккарой, похоже, так и есть. Мне просто нужно устранить следующую ошибку, и я смогу закрыть эту проблему.