使用 HTML Agility 去除 HTML 标签但留下内部文本？

Posted 2023-02-19

【中文标题】使用 HTML Agility 去除 HTML 标签但留下内部文本？

【英文标题】：Strip HTML tag but leave inner text using HTML Agility?

【发布时间】：2011-04-25 15:39:44

【问题描述】：

我正在尝试去除一些 html 标签。我有一个项目，该人保存了一些搜索。问题是关键字已突出显示。例如。

<p>Here is some <span class='highlite'>awesome</span> example.</p>

Html Agility 将其变成 3 个节点。一个文本节点、跨度和文本。我想以此创建一个标签。所以它看起来像

<p>Here is some awesome example.</p>

我尝试使用 css class highlite 获取所有标签，然后

 //Stip all retarded hilite tags
 var hiliteTags = from tags in doc.DocumentNode.SelectNodes("//span[@class='hilite']")
                  select tags;

 foreach (var tag in hiliteTags)
 
      tag.ParentNode.RemoveChild(tag, true);
 

但这会导致文本节点、文本节点、文本节点。我想要一个文本节点。然后我尝试使用

Node.InnerText += someVariable;

但是 InnerText，尽管文档说的是只读的。

关于如何做到这一点的任何想法？

其次，当我问的时候，有没有办法摆脱只包含文本的节点，它是一个 \r\n。我对此根本不感兴趣，它只会妨碍解析并使解析变得尴尬。我也希望能够删除这些。例如

<tr>
    <td>Foo</td>
    <td>Bar</td>
</tr>

使用 Html Agility 变成

Node (tr)
Node (\r\n)
Node (td- Foo)
Node (\r\n)
Node (td - Bar)
Node (\r\n)
Node (tr)

我正在努力选择这些节点。我尝试过使用 Linq，也尝试过使用 XPath。我似乎无法删除它们。

【参考方案1】：

如果你只取 p 标签的 InnerText，并创建一个单独的文档树来保存它。

var root = HtmlNode.CreateNode("<root></root>");
foreach (var node in doc.DocumentNode.SelectNodes("/p"))

    var newNode = HtmlNode.CreateNode(string.Format("<p>0</p>", node.InnerText));
    root.AppendChild(newNode);

这有帮助吗？