在HtmlAgilityPack中删除无用的TextNodes

c# html-agility-pack web-scraping

我正在使用HtmlAgilityPack抓取一些网站。问题是它似乎坚持在大多数地方插入TextNodes,这些地方要么是空的,要么只包含大量的\ n,空格和\ r。

当我计算childnodes时,它们往往会引起我的问​​题,因为firebug没有显示它们,但是HtmlAgilityPack会这样做。

有没有办法告诉HtmlAgilityPack停止这样做,或者至少清除这些文本节点? (我想保留有用的)。虽然我们在这里,但评论和脚本标签也是如此。

热门答案

您可以使用以下扩展方法:

static class HtmlNodeExtensions
{
    public static List<HtmlNode> GetChildNodesDiscardingTextOnes(this HtmlNode node)
    {
        return node.ChildNodes.Where(n => n.NodeType != HtmlNodeType.Text).ToList();
    }
}

并称之为:

List<HtmlNode> nodes = someNode.GetChildNodesDiscardingTextOnes();


Related

许可下: CC-BY-SA with attribution
不隶属于 Stack Overflow
这个KB合法吗? 是的,了解原因
许可下: CC-BY-SA with attribution
不隶属于 Stack Overflow
这个KB合法吗? 是的,了解原因