Ich habe html mit verschachtelten Elementen (meist nur div und p Elemente) Ich muss das gleiche html zurückgeben, aber substring von einer gegebenen Anzahl von Buchstaben. Offensichtlich sollte die Buchstabenzählung nicht durch HTML-Tags aufgelistet werden, sondern nur Buchstaben von InnerText jedes HTML-Elements zählen. HTML-Ergebnis sollte die richtige Struktur beibehalten - alle schließenden Tags, um gültiges HTML zu erhalten.
Beispieleingabe:
<div>
<p>some text</p>
<p>some more text some more text some more text some more text some more text</p>
<div>
<p>some more text some more text some more text some more text some more text</p>
<p>some more text some more text some more text some more text some more text</p>
</div>
</div>
Bei int length = 16
die Ausgabe wie folgt aussehen:
<div>
<p>some text</p> // 9 characters in the InnerText here
<p>some mo</p> // 7 characters in the InnerText here; 9 + 7 = 16;
</div>
Beachten Sie, dass die Anzahl der Buchstaben (einschließlich Leerzeichen) 16 beträgt. Das nachfolgende <div>
wird eliminiert, da die Buchstabenanzahl eine variable length
. Beachten Sie, dass Ausgabe-HTML immer noch gültig ist.
Ich habe folgendes versucht, aber das funktioniert nicht wirklich. Die Ausgabe ist nicht wie erwartet: Einige HTML-Elemente werden wiederholt.
public static string SubstringHtml(this string html, int length)
{
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);
int totalLength = 0;
StringBuilder output = new StringBuilder();
foreach (var node in doc.DocumentNode.Descendants())
{
totalLength += node.InnerText.Length;
if(totalLength >= length)
{
int difference = totalLength - length;
string lastPiece = node.InnerText.ToString().Substring(0, difference);
output.Append(lastPiece);
break;
}
else
{
output.Append(node.InnerHtml);
}
}
return output.ToString();
}
AKTUALISIEREN
@SergeBelov stellte eine Lösung zur Verfügung, die für die erste Beispieleingabe funktioniert, jedoch ergaben weitere Tests ein Problem mit einer Eingabe wie der folgenden.
Beispieleingabe # 2:
some more text some more text
<div>
<p>some text</p>
<p>some more text some more text some more text some more text some more text</
</div>
Gegeben diese Variable int maxLength = 7;
eine Ausgabe sollte gleich wie mo sein . Aufgrund dieses Codes, bei dem ParentNode = null
funktioniert das nicht so:
lastNode
.Node
.ParentNode
.ReplaceChild(HtmlNode.CreateNode(lastNodeText.InnerText.Substring(0, lastNode.NodeLength - lastNode.TotalLength + maxLength)), lastNode.Node);
Das Erstellen eines neuen HtmlNode scheint nicht hilfreich zu sein, da seine InnterText-Eigenschaft schreibgeschützt ist.
Das folgende kleine Konsolenprogramm veranschaulicht einen möglichen Ansatz:
UPDATE: Dies sollte immer noch mit einem Textknoten funktionieren, der der erste ist; Wahrscheinlich ist ein Trim()
erforderlich, um das Leerzeichen wie unten zu entfernen.
static void Main(string[] args)
{
int maxLength = 9;
string input = @"
some more text some more text
<div>
<p>some text</p>
<p>some more text some more text some more text some more text some more text</
</div>";
var doc = new HtmlDocument();
doc.LoadHtml(input);
// Get text nodes with the appropriate running total
var acc = 0;
var nodes = doc.DocumentNode
.Descendants()
.Where(n => n.NodeType == HtmlNodeType.Text && n.InnerText.Trim().Length > 0)
.Select(n =>
{
var length = n.InnerText.Trim().Length;
acc += length;
return new { Node = n, TotalLength = acc, NodeLength = length };
})
.TakeWhile(n => (n.TotalLength - n.NodeLength) < maxLength)
.ToList();
// Select element nodes we intend to keep
var nodesToKeep = nodes
.SelectMany(n => n.Node.AncestorsAndSelf()
.Where(m => m.NodeType == HtmlNodeType.Element));
// Select and remove element nodes we don't need
var nodesToDrop = doc.DocumentNode
.Descendants()
.Where(m => m.NodeType == HtmlNodeType.Element)
.Except(nodesToKeep)
.ToList();
foreach (var r in nodesToDrop)
r.Remove();
// Shorten the last node as required
var lastNode = nodes.Last();
var lastNodeText = lastNode.Node;
var text = lastNodeText.InnerText.Trim().Substring(0,
lastNode.NodeLength - lastNode.TotalLength + maxLength);
lastNodeText
.ParentNode
.ReplaceChild(HtmlNode.CreateNode(text), lastNodeText);
doc.Save(Console.Out);
}