Was wäre der bevorzugte Weg, um alle leeren und unnötigen Knoten zu entfernen? Beispielsweise
<p></p>
sollte entfernt werden und <font><p><span><br></span></p></font>
sollte ebenfalls entfernt werden (so wird das br-Tag in diesem Fall als überflüssig angesehen) )
Muss ich dafür irgendeine Art von rekursiver Funktion verwenden? Ich denke etwas in der Art von diesem vielleicht:
RemoveEmptyNodes(HtmlNode containerNode)
{
var nodes = containerNode.DescendantsAndSelf().ToList();
if (nodes != null)
{
foreach (HtmlNode node in nodes)
{
if (node.InnerText == null || node.InnerText == "")
{
RemoveEmptyNodes(node.ParentNode);
node.Remove();
}
}
}
}
Aber das funktioniert natürlich nicht (Stackoverflow-Ausnahme).
Tags, die nicht entfernt werden sollen Sie können die Namen zur Liste hinzufügen und Knoten mit Attributen werden auch nicht entfernt wegen containerNode.Attributes.Count == 0 (zB Images)
static List<string> _notToRemove;
static void Main(string[] args)
{
_notToRemove = new List<string>();
_notToRemove.Add("br");
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml("<html><head></head><body><p>test</p><br><font><p><span></span></p></font></body></html>");
RemoveEmptyNodes(doc.DocumentNode);
}
static void RemoveEmptyNodes(HtmlNode containerNode)
{
if (containerNode.Attributes.Count == 0 && !_notToRemove.Contains(containerNode.Name) && string.IsNullOrEmpty(containerNode.InnerText))
{
containerNode.Remove();
}
else
{
for (int i = containerNode.ChildNodes.Count - 1; i >= 0; i-- )
{
RemoveEmptyNodes(containerNode.ChildNodes[i]);
}
}
}