使用Html Agility Pack从html中获取所有文本

c# html-agility-pack

输入

<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>

产量

foo
bar
baz

我知道htmldoc.DocumentNode.InnerText ,但它会给foobarbaz -我想每一个文字,并不是所有的时间。

一般承认的答案

var root = doc.DocumentNode;
var sb = new StringBuilder();
foreach (var node in root.DescendantNodesAndSelf())
{
    if (!node.HasChildNodes)
    {
        string text = node.InnerText;
        if (!string.IsNullOrEmpty(text))
            sb.AppendLine(text.Trim());
    }
}

这可以满足您的需求,但我不确定这是否是最佳方式。也许你应该迭代DescendantNodesAndSelf以外的东西以获得最佳性能。


热门答案

XPATH是你的朋友:)

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(@"<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>");

foreach(HtmlNode node in doc.DocumentNode.SelectNodes("//text()"))
{
    Console.WriteLine("text=" + node.InnerText);
}


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