Пакет гибкости HTML - удаление ненужных тегов без удаления содержимого?

c# html-agility-pack

Вопрос

Я видел несколько связанных вопросов здесь, но они точно не говорят о той же проблеме, с которой я столкнулся.

Я хочу использовать HTML Agility Pack для удаления ненужных тегов из моего HTML без потери содержимого в тегах.

Так, например, в моем сценарии я хотел бы сохранить теги « b », « i » и « u ».

И для ввода, например:

<p>my paragraph <div>and my <b>div</b></div> are <i>italic</i> and <b>bold</b></p>

Итоговый HTML должен быть:

my paragraph and my <b>div</b> are <i>italic</i> and <b>bold</b>

Я попытался с помощью HtmlNode «s Remove метод, но он удаляет мое содержание тоже. Какие-либо предложения?

Принятый ответ

Я написал алгоритм, основанный на предложениях Одеда. Вот. Работает как шарм.

Он удаляет все теги, кроме strong , em , u и необработанных текстовых узлов.

internal static string RemoveUnwantedTags(string data)
{
    if(string.IsNullOrEmpty(data)) return string.Empty;

    var document = new HtmlDocument();
    document.LoadHtml(data);

    var acceptableTags = new String[] { "strong", "em", "u"};

    var nodes = new Queue<HtmlNode>(document.DocumentNode.SelectNodes("./*|./text()"));
    while(nodes.Count > 0)
    {
        var node = nodes.Dequeue();
        var parentNode = node.ParentNode;

        if(!acceptableTags.Contains(node.Name) && node.Name != "#text")
        {
            var childNodes = node.SelectNodes("./*|./text()");

            if (childNodes != null)
            {
                foreach (var child in childNodes)
                {
                    nodes.Enqueue(child);
                    parentNode.InsertBefore(child, node);
                }
            }

            parentNode.RemoveChild(node);

        }
    }

    return document.DocumentNode.InnerHtml;
}

Популярные ответы

Как рекурсивно удалить данный список нежелательных html-тегов из строки html

Я принял @mathias ответ и улучшил его метод расширения, чтобы вы могли предоставить список тегов для исключения в виде List<string> (например, {"a","p","hr"} ). Я также исправил логику так, чтобы она работала рекурсивно правильно:

public static string RemoveUnwantedHtmlTags(this string html, List<string> unwantedTags)
    {
        if (String.IsNullOrEmpty(html))
        {
            return html;
        }

        var document = new HtmlDocument();
        document.LoadHtml(html);

        HtmlNodeCollection tryGetNodes = document.DocumentNode.SelectNodes("./*|./text()");

        if (tryGetNodes == null || !tryGetNodes.Any())
        {
            return html;
        }

        var nodes = new Queue<HtmlNode>(tryGetNodes);

        while (nodes.Count > 0)
        {
            var node = nodes.Dequeue();
            var parentNode = node.ParentNode;

            var childNodes = node.SelectNodes("./*|./text()");

            if (childNodes != null)
            {
                foreach (var child in childNodes)
                {
                    nodes.Enqueue(child);                       
                }
            }

            if (unwantedTags.Any(tag => tag == node.Name))
            {               
                if (childNodes != null)
                {
                    foreach (var child in childNodes)
                    {
                        parentNode.InsertBefore(child, node);
                    }
                }

                parentNode.RemoveChild(node);

            }
        }

        return document.DocumentNode.InnerHtml;
    }


Related

Лицензировано согласно: CC-BY-SA with attribution
Не связан с Stack Overflow
Лицензировано согласно: CC-BY-SA with attribution
Не связан с Stack Overflow