using HtmlAgilityPack;
using System.Data;
using System.Linq; // For .Skip()

public class TableParser
{
    public DataTable ParseFirstTable(string htmlContent)
    {
        HtmlDocument doc = new HtmlDocument();
        doc.LoadHtml(htmlContent);

        DataTable dt = new DataTable();
        // 假设我们知道表格结构，预先定义列
        dt.Columns.Add("ColumnA", typeof(string));
        dt.Columns.Add("ColumnB", typeof(string));

        // 选中第一个表格节点
        HtmlNode table = doc.DocumentNode.SelectSingleNode("//table[1]");

        if (table != null)
        {
            // 在选定的 'table' 节点内部查找所有的 'tr' 节点
            // 注意：这里使用 "tr" 或 ".//tr" 而不是 "//tr"
            // "tr" 表示直接子元素，".//tr" 表示当前节点下的任意后代元素
            // 考虑到表格结构，"tr" 通常是更精确和高效的选择
            var rows = table.SelectNodes("tr"); 

            if (rows != null)
            {
                // 跳过表头行（如果有的话），从第二行开始处理数据
                foreach (var row in rows.Skip(1)) // 假设第一行是表头
                {
                    var cells = row.SelectNodes("td"); // 在当前行 'row' 内部查找 'td' 节点
                    if (cells != null && cells.Count >= 2) // 确保有足够的单元格
                    {
                        string colA = cells[0].InnerText.Trim();
                        string colB = cells[1].InnerText.Trim();
                        dt.Rows.Add(colA, colB);
                    }
                }
            }
        }
        return dt;
    }
}

2. 解析第二个表格

解析第二个表格的方法与第一个表格类似，只需将 XPath 表达式改为 //table[2] 即可。

using HtmlAgilityPack;
using System.Data;
using System.Linq;

public class TableParser
{
    // ... (ParseFirstTable 方法省略) ...

    public DataTable ParseSecondTable(string htmlContent)
    {
        HtmlDocument doc = new HtmlDocument();
        doc.LoadHtml(htmlContent);

        DataTable dt = new DataTable();
        // 假设我们知道表格结构，预先定义列
        dt.Columns.Add("ColumnX", typeof(string));
        dt.Columns.Add("ColumnY", typeof(string));

        // 选中第二个表格节点
        HtmlNode table = doc.DocumentNode.SelectSingleNode("//table[2]");

        if (table != null)
        {
            var rows = table.SelectNodes("tr");

            if (rows != null)
            {
                foreach (var row in rows.Skip(1)) // 假设第一行是表头
                {
                    var cells = row.SelectNodes("td");
                    if (cells != null && cells.Count >= 2)
                    {
                        string colX = cells[0].InnerText.Trim();
                        string colY = cells[1].InnerText.Trim();
                        dt.Rows.Add(colX, colY);
                    }
                }
            }
        }
        return dt;
    }
}

关键注意事项

1. XPath 上下文： 始终记住，SelectSingleNode 或 SelectNodes 方法如果在 HtmlDocument.DocumentNode 上调用，则会在整个文档中搜索；如果在特定的 HtmlNode 上调用，则会在该节点的子树中搜索。
   • //element：在文档的任何位置查找 element。
   • element：查找当前节点的直接子 element。
   • .//element：在当前节点的所有后代中查找 element。
2. 索引从 1 开始： XPath 索引是基于 1 的，所以 [1] 表示第一个元素，[2] 表示第二个元素。
3. 健壮性： 在实际应用中，HTML 结构可能不总是完美的。在访问 SelectNodes 或 SelectSingleNode 的结果之前，务必进行空值检查（if (node != null)），以避免 NullReferenceException。
4. 表头处理： 示例代码使用 rows.Skip(1) 来跳过表头行。如果表头使用

通过遵循这些原则，您可以有效地利用 HtmlAgilityPack 从复杂的 HTML 文档中提取所需的数据，并确保解析过程的准确性和健壮性。理解 XPath 上下文是掌握 HtmlAgilityPack 进行高级数据抓取的基石。