J'ai du HTML avec des éléments imbriqués (la plupart du temps juste des éléments div et p ). Évidemment, le nombre de lettres ne doit pas énumérer les balises HTML, mais seulement compter les lettres InnerText de chaque élément HTML. Le résultat HTML doit conserver la structure appropriée - toutes les balises de fermeture afin de rester valide.
Exemple de saisie:
<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>
Étant donné int length = 16
le résultat devrait ressembler à ceci:
<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>
Notez que le nombre de lettres (espaces compris) est 16. Le nombre <div>
est éliminé car le nombre de lettres a atteint une length
variable. Notez que la sortie HTML est toujours valide.
J'ai essayé ce qui suit, mais cela ne fonctionne pas vraiment. La sortie n'est pas comme prévu: certains éléments HTML sont répétés.
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();
}
METTRE À JOUR
@SergeBelov a fourni une solution qui fonctionne pour le premier exemple d'entrée. Toutefois, des tests supplémentaires ont présenté un problème avec une entrée comme celle ci-dessous.
Exemple de saisie n ° 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>
Étant donné que la variable int maxLength = 7;
une sortie doit être égale à quelques mois . Cela ne fonctionne pas comme ça à cause de ce code où ParentNode = null
:
lastNode
.Node
.ParentNode
.ReplaceChild(HtmlNode.CreateNode(lastNodeText.InnerText.Substring(0, lastNode.NodeLength - lastNode.TotalLength + maxLength)), lastNode.Node);
La création d'un nouveau HtmlNode ne semble pas aider car sa propriété InnterText est en lecture seule.
Le petit programme de console ci-dessous illustre une approche possible:
UPDATE: Ceci devrait toujours fonctionner avec un noeud de texte étant le premier; probablement, un Trim()
est requis pour supprimer les espaces comme indiqué ci-dessous.
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);
}