我試圖從HTML中刪除不必要的內容。具體來說,我想刪除評論。我發現了一個非常好的解決方案( 使用HTML Agility Pack抓取元標記和註釋 )但是DOCTYPE被視為註釋,因此隨註釋一起刪除。如何改進下面的代碼以確保保留DOCTYPE?
var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(htmlContent);
var nodes = htmlDoc.DocumentNode.SelectNodes("//comment()");
if (nodes != null)
{
foreach (HtmlNode comment in nodes)
{
comment.ParentNode.RemoveChild(comment);
}
}
檢查評論是否不以DOCTYPE
開頭
foreach (var comment in nodes)
{
if (!comment.InnerText.StartsWith("DOCTYPE"))
comment.ParentNode.RemoveChild(comment);
}
doc.DocumentNode.Descendants()
.Where(n => n.NodeType == HtmlAgilityPack.HtmlNodeType.Comment)
.ToList()
.ForEach(n => n.Remove());
這將剝離文檔中的所有註釋