Htmlagilitypack - Ottieni tutto il testo + collegamenti all'interno del testo

c# html-agility-pack

Domanda

Ho un metodo che estrae blocchi di testo che sono oltre XX quantità di parole. Il problema è che non restituirà i collegamenti all'interno di quel testo.

Il mio metodo:

public string getAllTextHTML(string _html)
{
  string _allText = "";
  try
  {
    HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
    document.LoadHtml(_html);

    document.DocumentNode.Descendants()
      .Where(n => n.Name == "script" || n.Name == "style")
      .ToList()
      .ForEach(n => n.Remove());

    RemoveComments(document.DocumentNode);

    var root = document.DocumentNode;
    var sb = new StringBuilder();
    foreach (var node in root.DescendantNodesAndSelf())
    {
      if (!node.HasChildNodes)
      {
        string text = node.InnerHtml;

        if (!string.IsNullOrEmpty(text))
        {
          int antalOrd = WordCounting.CountWords1(text);

          if (antalOrd > 25)
          {
            text = System.Web.HttpUtility.HtmlDecode(text);
            sb.AppendLine(text.Trim());
          }  
        } 
      }
    }

    _allText = sb.ToString();
  }
  catch (Exception)
  {
  }

  _allText = System.Web.HttpUtility.HtmlDecode(_allText);
  return _allText;
}

Come potrei farmi ottenere anche i collegamenti all'interno del testo?

Risposta popolare

Immagino che la seguente linea faccia un problema:

if (!node.HasChildNodes)

perché, il collegamento (ancora) è il tag htlm e si escludono i tag html che hanno un tag di ancoraggio come figlio.

Ecco un semplice esempio che restituisce il link:

if (!node.HasChildNodes)



Autorizzato sotto: CC-BY-SA with attribution
Non affiliato con Stack Overflow
È legale questo KB? Sì, impara il perché
Autorizzato sotto: CC-BY-SA with attribution
Non affiliato con Stack Overflow
È legale questo KB? Sì, impara il perché