Saisissez tout le texte de HTML avec le paquet d'agilité de HTML

c# html-agility-pack

Question

Contribution

<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>

Sortie

<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>

Je connais htmldoc.DocumentNode.InnerText , mais cela donnera foobarbaz - Je veux obtenir chaque texte, pas tout à la fois.

Réponse acceptée

var root = doc.DocumentNode;
var sb = new StringBuilder();
foreach (var node in root.DescendantNodesAndSelf())
{
    if (!node.HasChildNodes)
    {
        string text = node.InnerText;
        if (!string.IsNullOrEmpty(text))
            sb.AppendLine(text.Trim());
    }
}

Cela fait ce dont vous avez besoin, mais je ne suis pas sûr que ce soit la meilleure façon. Peut-être devriez-vous parcourir d'autres éléments que DescendantNodesAndSelf pour obtenir des performances optimales.


Réponse populaire

XPATH est votre ami :)

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(@"<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>");

foreach(HtmlNode node in doc.DocumentNode.SelectNodes("//text()"))
{
    Console.WriteLine("text=" + node.InnerText);
}



Sous licence: CC-BY-SA with attribution
Non affilié à Stack Overflow
Est-ce KB légal? Oui, apprenez pourquoi
Sous licence: CC-BY-SA with attribution
Non affilié à Stack Overflow
Est-ce KB légal? Oui, apprenez pourquoi