在C＃字符串中搜索特定文本的HTML並標記文本的最佳方法是什么？

Question

在C＃字符串變量中搜索HTML以查找特定單詞/短語並用突出顯示標記（或換行）該單詞/短語的最佳方法是什么？

謝謝，

傑夫

Answer 1

我喜歡使用Html Agility Pack非常容易使用，雖然最近沒有太多更新，它仍然可用。 例如抓住所有鏈接

HtmlWeb client = new HtmlWeb();
HtmlDocument doc = client.Load("http://yoururl.com");            
HtmlNodeCollection Nodes = doc.DocumentNode.SelectNodes("//a[@href]");         

foreach (var link in Nodes)
{                
    Console.WriteLine(link.Attributes["href"].Value);
}

Answer 2

正則表達將是我的方式。 ;）

Answer 3

如果你正在使用符合XHTML的HTML，你可以將它作為XML文檔加載，然后使用XPath / XSL - 長篇大論但又有點優雅？

我過去使用的一種方法是使用HTMLTidy將凌亂的HTML轉換為XHTML，然后使用XSL / XPath將內容屏幕抓取到數據庫中，以創建反向內容管理系統。

正則表達式會這樣做，但是一旦你嘗試剝離標簽，圖像名稱等以消除誤報，它可能會很復雜。

Answer 4

在簡單的情況下，正則表達式就可以。

string input =“ttttttgottttttt”;
string output = Regex.Replace（input，“go”，“<strong> $ 0 </ strong>”）;

將屈服：“tttttt <strong> go </ strong> ttttttt”

但是當你說HTML時，如果你指的是最終渲染的文字，那就有點亂了。 說你有這個HTML：

<span class =“firstLetter”> B </ span> ook

要突出顯示“預訂”一詞，您需要正確的HTML渲染器幫助。 為了簡化，可以先刪除所有標簽，只留下內容，然后進行常規替換，但感覺不對。

Answer 5

您可以使用Html DOM ，這是SourceForge.net上的一個開源項目。 這樣，您可以以編程方式操作文本，而不是依賴正則表達式。

Answer 6

搜索字符串時，您需要查找正則表達式。 至於標記它，一旦你有子串的位置，它應該足夠簡單，使用它來添加一些東西來包裹短語。