Ho html con elementi nidificati (principalmente solo elementi div e p ) Ho bisogno di restituire lo stesso html, ma sottostrato da un numero dato di lettere. Ovviamente il conteggio delle lettere non deve essere enumerato tramite i tag html, ma solo le lettere di conteggio di InnerText di ciascun elemento html. Il risultato dell'Html dovrebbe preservare la struttura corretta - qualsiasi tag di chiusura per rimanere in html valido.
Esempio di input:
<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>
Dato int length = 16
l'output dovrebbe apparire così:
<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>
Si noti che il numero di lettere (spazi inclusi) è 16. Il successivo <div>
viene eliminato poiché il conteggio delle lettere ha raggiunto la length
variabile. Si noti che l'output html è ancora valido.
Ho provato quanto segue, ma non funziona davvero. L'output non è come previsto: alcuni elementi HTML vengono ripetuti.
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();
}
AGGIORNARE
@SergeBelov ha fornito una soluzione che funziona per il primo input di esempio, tuttavia ulteriori test hanno presentato un problema con un input simile a quello riportato di seguito.
Esempio di input 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>
Dato che la variabile int maxLength = 7;
un'uscita dovrebbe essere uguale ad alcuni mo . Non funziona così a causa di questo codice in cui ParentNode = null
:
lastNode
.Node
.ParentNode
.ReplaceChild(HtmlNode.CreateNode(lastNodeText.InnerText.Substring(0, lastNode.NodeLength - lastNode.TotalLength + maxLength)), lastNode.Node);
La creazione di un nuovo HtmlNode non sembra essere d'aiuto in quanto la sua proprietà InnterText è di sola lettura.
Il piccolo programma della console di seguito illustra un possibile approccio, che è:
AGGIORNAMENTO: Questo dovrebbe ancora funzionare con un nodo di testo che è il primo; probabilmente, è necessario un Trim()
per rimuovere gli spazi bianchi da esso come di seguito.
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);
}