Pack d'agilité HTML - supprimer les balises indésirables sans supprimer le contenu?

Question

Pack d'agilité HTML - supprimer les balises indésirables sans supprimer le contenu?

c# html-agility-pack

Question

J'ai vu quelques questions liées ici, mais ils ne parlent pas exactement du même problème que je suis confronté.

Je souhaite utiliser le pack d'agilité HTML pour supprimer les balises indésirables de mon code HTML sans perdre le contenu de ces balises.

Ainsi, par exemple, dans mon scénario, j'aimerais conserver les balises " b ", " i " et " u ".

Et pour une entrée comme:

my paragraph <div>and my div</div> are italic and bold

Le HTML résultant devrait être:

my paragraph and my div are italic and bold

J'ai essayé d'utiliser la méthode Remove HtmlNode , mais elle supprime aussi mon contenu. Aucune suggestion?

Mathias Lykkegaard Lorenzen

Réponse populaire

Comment supprimer de manière récursive une liste donnée de balises HTML indésirables dans une chaîne HTML

J'ai pris @mathias answer et amélioré sa méthode d'extension afin que vous puissiez fournir une liste de balises à exclure sous forme de List<string> (par exemple {"a","p","hr"} ). J'ai aussi corrigé la logique pour qu'elle fonctionne correctement de manière récursive:

public static string RemoveUnwantedHtmlTags(this string html, List<string> unwantedTags)
    {
        if (String.IsNullOrEmpty(html))
        {
            return html;
        }

        var document = new HtmlDocument();
        document.LoadHtml(html);

        HtmlNodeCollection tryGetNodes = document.DocumentNode.SelectNodes("./*|./text()");

        if (tryGetNodes == null || !tryGetNodes.Any())
        {
            return html;
        }

        var nodes = new Queue<HtmlNode>(tryGetNodes);

        while (nodes.Count > 0)
        {
            var node = nodes.Dequeue();
            var parentNode = node.ParentNode;

            var childNodes = node.SelectNodes("./*|./text()");

            if (childNodes != null)
            {
                foreach (var child in childNodes)
                {
                    nodes.Enqueue(child);                       
                }
            }

            if (unwantedTags.Any(tag => tag == node.Name))
            {               
                if (childNodes != null)
                {
                    foreach (var child in childNodes)
                    {
                        parentNode.InsertBefore(child, node);
                    }
                }

                parentNode.RemoveChild(node);

            }
        }

        return document.DocumentNode.InnerHtml;
    }

theyetiman

Voir plus sur Stack Overflow

Mathias Lykkegaard Lorenzen · Accepted Answer · 11/12/2016 12:37:12 AM

J'ai écrit un algorithme basé sur les suggestions d'Oded. C'est ici. Fonctionne comme un charme.

Il supprime toutes les balises sauf strong nœuds de texte strong , em , u et brut.

internal static string RemoveUnwantedTags(string data)
{
    if(string.IsNullOrEmpty(data)) return string.Empty;

    var document = new HtmlDocument();
    document.LoadHtml(data);

    var acceptableTags = new String[] { "strong", "em", "u"};

    var nodes = new Queue<HtmlNode>(document.DocumentNode.SelectNodes("./*|./text()"));
    while(nodes.Count > 0)
    {
        var node = nodes.Dequeue();
        var parentNode = node.ParentNode;

        if(!acceptableTags.Contains(node.Name) && node.Name != "#text")
        {
            var childNodes = node.SelectNodes("./*|./text()");

            if (childNodes != null)
            {
                foreach (var child in childNodes)
                {
                    nodes.Enqueue(child);
                    parentNode.InsertBefore(child, node);
                }
            }

            parentNode.RemoveChild(node);

        }
    }

    return document.DocumentNode.InnerHtml;
}

Pack d'agilité HTML - supprimer les balises indésirables sans supprimer le contenu?

Question

Fastest Entity Framework Extensions

Réponse acceptée

Réponse populaire

Comment supprimer de manière récursive une liste donnée de balises HTML indésirables dans une chaîne HTML

Performance

Expression Evaluator

Related