InnerText = InnerHtml - Wie man lesbaren Text mit HtmlAgilityPack extrahiert
html html-agility-pack innerhtml innertext vb.net
Frage
Ich muss Text von einem sehr schlechten HTML extrahieren.
Ich versuche dies mit vb.net und HtmlAgilityPack zu tun
Das Tag, das ich analysieren muss, hat InnerText = InnerHtml und beide:
Name:<!--b>=</b--> Albert E<!--span-->instein s<!--i>Y</i-->ection: 3 room: -
Beim Debuggen kann ich es mit "Html Viewer" lesen: es zeigt:
Name: Albert Einstein section: 3 room: -
Wie kann ich dies in eine String-Variable bekommen?
BEARBEITEN:
Ich benutze diesen Code, um den Knoten zu erhalten:
Dim ElePs As HtmlNodeCollection = _
mWPage.DocumentNode.SelectNodes("//div[@id='div_main']//p")
For Each EleP As HtmlNode In ElePs
'Here I need to get EleP.InnerText "normalized"
Next
Akzeptierte Antwort
Wenn Sie bemerken, dass dieses Durcheinander tatsächlich nur HTML-Kommentare ist und sie ignoriert werden sollen, so genügt es, den Text zu bekommen und string.Join :
C #
var text = string.Join("",htmlDoc.DocumentNode.SelectNodes("//text()[normalize-space()]").
Select(t=>t.InnerText));
VB.net
Dim text = String.Join("", From t In htmlDoc.DocumentNode.SelectNodes("//text()[normalize-space()]")
Select t.InnerText)
Das HTML ist gültig, nichts schlechtes daran, es ist nur von jemandem ohne Seele geschrieben.
basierend auf Ihrem Update soll dies tun:
Dim ElePs As HtmlNodeCollection = mWPage.DocumentNode.SelectNodes("//div[@id='div_main']//p")
For Each EleP As HtmlNode In ElePs
'Here I need to get EleP.InnerText "normalized"
Dim text = String.Join("", From t In EleP.SelectNodes(".//text()[normalize-space()]")
Select t.InnerText).Trim()
Next
beachte das .// das bedeutet, dass es im Gegensatz zu // die immer vom obersten Knoten ausgehen, nach den Nachkommenknoten des aktuellen Knotens suchen wird.
Lizenziert unter: CC-BY-SA with attribution
Nicht verbunden mit Stack Overflow