使用C＃获取HTML文档中文本的标签

Question

我想在HTML文件中搜索某个字符串，然后提取标签。给出：

<div_outer><div_inner>Happy birthday<div><div>

我想在HTML中搜索“生日快乐”，然后让函数返回某种标记结构：这是最里面的标记，这是该标记之外的标记等等。所以，<div_inner></div>然后<div_outer></div>。

有什么想法吗？我在想HTMLAgilityPack，但我无法弄清楚如何去做。

一如既往地谢谢你们。

Answer 1

HAP确实是一个很好的地方。

您可以使用OuterHtml的{​​{1}}和Parent属性来获取封闭元素和标记。

Answer 2

你可以使用xpath。我使用//*[text()='Happy birthday'][1]/ancestor-or-self::*表达式找到第一个（为简单起见）节点，其中文本内容为Happy birthday，然后返回此节点的所有祖先（父节点，祖父节点等）和节点本身：< / p>

var doc = new HtmlDocument();
doc.LoadHtml("<div_outer><div_inner>Happy birthday<div><div>");

var ancestors = doc.DocumentNode
    .SelectNodes("//*[text()='Happy birthday'][1]/ancestor-or-self::*")
    .Reverse()
    .ToList();

似乎返回的节点的顺序是节点在文档中找到的顺序，因此我使用Enumerable.Reverse方法来反转它。

这将返回2个节点：div_inner和div_outer。