Obtenga texto interno entre dos etiquetas y obtenga la salida en dos etiquetas: VB.NET - HtmlAgilityPack

html html-agility-pack innertext vb.net

Pregunta

Intenté buscar ejemplos y mucho, pero nada parece funcionar. así que estoy usando HtmlAgilityPack y quiero obtener el texto interno entre dos etiquetas específicas.

Ejemplo:

<br>Terms of Service<br></br>Developers<br>

Quiero obtener el texto interno donde se encuentran primero <br> y <br> en label1 y el segundo </br> y <br> en label2

que será como

Label1.text = "Términos del servicio"
Label2.text = "Desarrolladores"

¿Cómo logro / hago / obtengo esto? PD; No estoy tan familiarizado con HtmlAgilityPack, un código que muestra cómo hacerlo funcionará mejor. :-)

Gracias

Respuesta aceptada

Esto está un poco sucio, pero debería funcionar.

Imports System.Text.RegularExpressions

  Dim mystring As String = "<br>Terms of Service<br></br>Developers<br>"

    Dim pattern1 As String = "(?<=<br>)(.*?)(?=<br>)"
    Dim pattern2 As String = "(?<=</br>)(.*)(?=<br>)"

    Dim m1 As MatchCollection = Regex.Matches(mystring, pattern1)
    Dim m2 As MatchCollection = Regex.Matches(mystring, pattern2)
    MsgBox(m1(0).ToString)
    MsgBox(m2(0).ToString)

Respuesta popular

La respuesta corta es que HAP no está bien adaptado para realizar su tarea. Mis notas a continuación:

Imports HtmlAgilityPack

Public Class Form1
    Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click
        Dim mystring As String = "<BR>Terms of Service<BR></BR>Developers<BR>"
        Dim myDoc As HtmlAgilityPack.HtmlDocument = New HtmlAgilityPack.HtmlDocument
        myDoc.LoadHtml(mystring)
        ' here we notice HAP immediately discards the junk tag </br>
        MsgBox(myDoc.DocumentNode.OuterHtml)

        ' Below we notice that HAP did not close the BR tag because it only 
        ' attempts to close 
        ' certain nested tags associated with tables ( th, tr, td) and lists 
        ' ( li ). 
        ' if this was a supported tag that HAP could fix, the fixed output 
        ' would be as follows: 
        ' <br>Terms of Service<br></br>Developers<br></br></br>
        ' this string would be parsed as if the last tag closes the first 
        ' and each set of 
        ' inner tags close themselves without any text between them. 
        ' This means even if you changed BR to TD, or some other tag HAP 
        ' fixes nesting on, it 
        ' still would not help to parse this correctly.  
        ' Also HAP does not appear to support XHTML in this .net 2.0 version.  

        myDoc.OptionFixNestedTags = True
        MsgBox(myDoc.DocumentNode.OuterHtml)

        ' here we put the BR tag into a collection.  as it iterates through 
        ' the tags we notice there is no inner text on the BR tag, presumably 
        ' because of two reasons.  
        ' 1. HAP will not close a BR.  
        ' 2. It does not fix your broken nested tags as you expect or required.  

        Dim myBR As HtmlNodeCollection = myDoc.DocumentNode.SelectNodes("//BR")
        If Not myBR Is Nothing Then
            For Each br In myBR
                MsgBox(br.InnerText)
            Next
        End If
    End Sub

End Class


Licencia bajo: CC-BY-SA with attribution
No afiliado con Stack Overflow
¿Es esto KB legal? Sí, aprende por qué
Licencia bajo: CC-BY-SA with attribution
No afiliado con Stack Overflow
¿Es esto KB legal? Sí, aprende por qué