난 내가 의해 점선의 집합 추출 할 수 있도록 특정 HTML 문자열을 구문 분석하려고 <br/>
브레이크 라인. 입력 HTML은 다음과 같습니다.
<div class="PlainText">
DATE: 2013-10-28 20:00:43 -0500 <br/>
Item 1: Text1 <br/>
Item 1: Text1 <br/>
Item 1: Text1 <br/>
Item 1: Text1 <br/>
<br/> //Notice this has two break lines, i would like to stop after seeing two consecutive break lines.
</div>
큰 HTML 문서에서이 div를 사용하여 HTML ChildNodes
를 얻을 수있었습니다.
List<HtmlNode> nodes = htmlDoc.DocumentNode
.Descendants("div")
.Where(x => x.Attributes.Contains("class") &&
x.Attributes["class"].Value.Contains("PlainText")).ToList();
나는 여기에서 어디로 가야하는지 완전히 확신하지 못한다. 나는 2 개의 파선을보고 멈출 때까지 모든 본문을 읽고 싶다.
편집하다
나는 childNodes에의 보았다 nodes
비주얼 스튜디오 런타임 관리자에서 실제로 두 consectuive하지 않다가 발견 <br/>
라인하지만 하나의 브레이크 라인과 #text
의 innerHTML을의 존재의와 태그 \n
새로운 라인 문자.
이 같은 것이 작동해야합니다.
[Test]
public void Test()
{
var x = ReadTillTwoBr(GetDivClass()).ToList();
}
public HtmlNode GetDivClass()
{
var html = @"<html><div class=""PlainText"">
DATE: 2013-10-28 20:00:43 -0500 <br/>
Item 1: Text1 <br/>
Item 1: Text1 <br/>
Item 1: Text1 <br/>
Item 1: Text1 <br/>
<br /> //Notice this has two break lines, i would like to stop after seeing two consecutive break lines.
Item 3
</div></html>";
var doc = new HtmlDocument();
doc.LoadHtml(html);
return doc.DocumentNode
.Descendants("div").First(x => x.Attributes.Contains("class") &&
x.Attributes["class"].Value.Contains("PlainText"));
}
public IEnumerable<string> ReadTillTwoBr(HtmlNode node)
{
var nonEmptyNodes =
node.ChildNodes.Except(node.ChildNodes.Where(f => f.Name == "#text" && String.IsNullOrWhiteSpace(f.InnerHtml)))
.ToList();
foreach (var n in nonEmptyNodes)
{
if (IsBr(n) && IsBr(n.NextSibling))
{
yield break;
}
if (n.Name == "#text")
{
yield return n.InnerText.Trim();
}
}
}
public bool IsBr(HtmlNode n)
{
return n != null && n.NodeType == HtmlNodeType.Element && n.Name == "br";
}
어느 쪽을 돌려 주는가
두 명의 br 후에 주석이 어떻게 반환되지 않았는지 주목하십시오.
편집하다:
나는 빈 제거 #text
마지막 두 사이에 줄 바꿈이있을 때부터 값을 br
태그 당신이 실제로 얻을 #text
줄 바꿈에 태그를. 나는 이것이 개행 혼란이있는 곳이라고 생각한다.
XPath //div[@class='PlainText']
를 사용하여 필요한 div 노드를 가져올 수 있습니다. div에서 하위 노드를 가져갈 때 다음 형제 노드를 확인할 수도 있습니다.
HtmlDocument doc = new HtmlDocument();
doc.Load("index.html");
Func<HtmlNode, bool> notTwoBrakes =
n => (n.Name != "br" || n.NextSibling != null && n.NextSibling.Name != "br");
var nodes = doc.DocumentNode.SelectNodes("//div[@class='PlainText']")
.Select(div => div.ChildNodes.TakeWhile(notTwoBrakes));
가독성을 위해 인라인 람다를 사용하지 않습니다. 조건은 다음과 같이 작동합니다.
br
노드인지 확인 (그렇지 않은 경우) - 현재 노드 가져 오기 br
노드인지 확인합니다. 그렇지 않은 경우 - 현재 노드를 가져옵니다. 결과: