如何在C＃中的H1标签之间获取HTML文本

Question

我需要解析HTML文档以提取所有H1标签以及它们之间的所有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标签：

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

但是如何在每个H1标签之后提取所有HTML，直到我点击下一个H1标签？此HTML可以包含来自表格/图像/链接或HTML页面上的任何其他内容的任何内容，但可以包含H1标记。

提前致谢。

Answer 1

可能的解决方案： 获取完整的HTML作为String，替换＆lt; H1>用HTML不知道的符号（例如ü，HTML使用＆amp; uuml;），然后用这个符号将String拆分成一个数组。

现在，您搜索（例如使用RegEx）具有开始和结束标记的节点，并仅解析这些标记。

快速又脏，但应该有用。

请注意，正如drachenstern所提到的，嵌套的H1-Tags将导致父节点无法被解析。