HtmlAgility-从HTML提取并替换纯文本部分（在任何标签之外）
[英]HtmlAgility - extract and replace plain text part (outside any tags) from HTML
问题描述
I use HtmlAgility pack and I want to extract and replace each plain text part (not inside tags) from HTML. 
我使用HtmlAgility包，并且想从HTML中提取并替换每个纯文本部分（而不是标签内）。
<html><body>bla bla 1<br />bla bla 2<br />bla bla 3<img src="img.jpg" /></body></html>
The output should be a list including bla bla 1 ; 输出应为包含bla bla 1的列表； bla bla 2 ; bla bla 2 ; bla bla 3 ; bla bla 3 ;
node.InnerText does not apply here. node.InnerText在这里不适用。
2 个解决方案
解决方案1
0 2015-04-05 23:20:58
I used : 我用了 ：
// loop over innerhtml and process
var thenode = document.DocumentNode.Descendants().Where(n => n.Name == "body").FirstOrDefault();
if (thenode != null)
{
// InnerHtml replaces <br /> with <br>
String[] strings = thenode.InnerHtml.Split(new string[] { "<br>" }, StringSplitOptions.RemoveEmptyEntries);
foreach (String str in strings)
{
String lstr = str.Trim();
if (lstr != String.Empty && !lstr.StartsWith("<"))
{
// do processing
String loutput = Processing(lstr);
thenode.InnerHtml = thenode.InnerHtml.Replace(lstr, loutput);
}
}
}
解决方案2
0 2015-04-06 03:00:23
One possible way to replace all text nodes within <body> tag with some new text : 一种将<body>标记内的所有文本节点替换为一些新文本的可能方法：
//select all text nodes that is "direct child of <body>" and "not empty"
var textNodes = doc.DocumentNode.SelectNodes("//body/text()[normalize-space()]");
foreach (HtmlNode textNode in textNodes)
{
textNode.ParentNode
//replace each text node with "new text" for the sake of demo
.ReplaceChild(HtmlNode.CreateNode("new text")
, textNode
);
}
Side note: I didn't see the text nodes as outside any tag , because they are inside the <body> tag. 旁注：我没有看到文本节点在任何标签外部 ，因为它们在 <body>标签内部 。 I see them as direct child of <body> tag. 我将它们视为<body>标记的直接子代 。
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.