如何在C＃中的H1標籤之間獲取HTML文本

Question

c# html html-agility-pack

我需要解析一個HTML文檔來提取所有H1標籤以及它們之間的所有HTML。我一直在玩HtmlAgilityPack以取得一些成功。我可以使用以下方法提取所有H1標籤

foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//h1"))

但是如何在每個H1標籤之後提取所有HTML，直到我點擊下一個H1標籤？這個HTML可以包含表格/圖像/鏈接或HTML頁面上的任何其他內容，但H1標籤。

提前致謝。

在 Stack Overflow 上查看更多

Semyazas · Accepted Answer · 10/12/2010 12:13:27 AM

可能的解決方案：將完整的HTML作為String獲取，將<H1>替換為HTML不知道的符號（例如，¼，HTML使用＆uuml;），然後通過此符號將String拆分為數組。

現在，您搜索（例如，使用RegEx）具有開始和結束標記的節點，並僅解析這些標記。

快速而骯髒，但應該工作。

請注意，正如drachenstern所提到的，嵌套的H1-Tags將導致父節點無法被解析。