C＃でH1タグ間でHTMLテキストを取得する方法

Question

c# html html-agility-pack

私はすべてのH1タグとその間のすべてのHTMLを抽出するためにHTML文書を解析する必要があります。私はHtmlAgilityPackでこれをいくつか成功させるために遊んでいます。私は以下を使ってすべてのH1タグを抽出することができました：

foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//h1"))

しかし、次のH1タグを打つまで、どのH1タグの後にもすべてのHTMLをどのように抽出するのですか？このHTMLには、テーブル/画像/リンクやHTMLページの他のものからH1タグまでのものを含めることができます。

前もって感謝します。

Stack Overflow の詳細を表示

Semyazas · Accepted Answer · 10/12/2010 12:13:27 AM

考えられる解決方法：完全なHTMLを文字列として取得し、<H1>をHTMLが認識できない記号（たとえば、HTMLは＆uuml;を使用）に置き換え、文字列をこの記号で配列に分割します。

これで、開始タグと終了タグを持つノードを（たとえばRegExを使用して）検索し、それらのタグだけを解析します。

すばやく汚れていますが、うまくいくはずです。

drachensternが言及したように、ネストされたH1タグは、親ノードが解析されないことに気づくことに注意してください。