HTML敏捷包 - 刪除不需要的標籤而不刪除內容?

c# html-agility-pack

我在這裡看到了一些相關的問題,但他們並沒有完全談論我面臨的同樣問題。

我想使用HTML Agility Pack從HTML中刪除不需要的標記,而不會丟失標記中的內容。

例如,在我的場景中,我想保留標籤“ b ”,“ i ”和“ u ”。

並輸入如下:

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

生成的HTML應該是:

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

我嘗試使用HtmlNodeRemove方法,但它也刪除了我的內容。有什麼建議麼?

一般承認的答案

我根據Oded的建議寫了一個算法。這裡是。奇蹟般有效。

它會刪除除strongemu和原始文本節點之外的所有標記。

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;
}

熱門答案

如何以遞歸方式從html字符串中刪除不需要的html標記列表

我接受了@mathias的回答並改進了他的擴展方法,以便您可以提供要作為List<string>排除的標記List<string> (例如{"a","p","hr"} )。我還修復了邏輯,以便它以遞歸方式正常工作:

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

許可下: CC-BY-SA with attribution
不隸屬於 Stack Overflow
許可下: CC-BY-SA with attribution
不隸屬於 Stack Overflow