Question

我正在使用c＃。

处理XML文档

<data>
    <single>
        <p xmlns="http://www.w3.org/1999/xhtml">
            <strong>Hi hello bbvahvgxvzhavxhgsavxv</strong>
        </p>
        <p xmlns="http://www.w3.org/1999/xhtml">
            <strong>dmcdnsbcdbn</strong>
        </p>
    </single>
    <single>
        <div xmlns="http://www.w3.org/1999/xhtml">
            <strong>Hi hello bbvahvgxvzhavxhgsavxv</strong>
        </div>
        <span xmlns="http://www.w3.org/1999/xhtml">
            <strong>dmcdnsbcdbn</strong>
        </span>
    </single>
</data>

我想删除所有<p>，<div>和<span>代码。

需要输出：

<data>
    <single>
        <strong>Hi hello bbvahvgxvzhavxhgsavxv</strong>
        <strong>dmcdnsbcdbn</strong>
    </single>
    <single>
        <strong>Hi hello bbvahvgxvzhavxhgsavxv</strong>
        <strong>dmcdnsbcdbn</strong>
    </single>
</data>

任何人都可以建议如何使用C＃来做到这一点。使用XmlDocument。

Answer 1

使用HtmlAgilityPack，可以完成：

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(xml);

doc.DocumentNode
    .Descendants("strong")
    .ToList().ForEach(n => n.ParentNode.ParentNode.RemoveChild(n.ParentNode, true));

var newXml = doc.DocumentNode.InnerHtml;

Answer 2

这是一个相当简单的正则表达式。

string tmp = xmlDoc.DocumentElement.InnerXml;

tmp = Regex.Replace(tmp, "<p.*>|</p>|<div.*>|</div>|<span.*>|</span>", "");

XmlDocument newDoc = new XmlDocument();
newDoc.LoadXml(tmp);

这将保留数据（标签之间的所有内容），但删除标签本身。注意：这可能会弄乱文档中的一些格式（很多空格），但它仍然可以使用。

在您给出的示例上运行此参数后，这就是输出。

<data>
    <single>

            <strong>Hi hello bbvahvgxvzhavxhgsavxv</strong>


            <strong>dmcdnsbcdbn</strong>

    </single>
    <single>

            <strong>Hi hello bbvahvgxvzhavxhgsavxv</strong>


            <strong>dmcdnsbcdbn</strong>

    </single>
</data>

我不确定你是否喜欢，你可能想在运行之前运行一个.Trim（），或者甚至是一个二级Regex，用于删除标签之间的所有空格。

正则表达式的模式是

Regex.Replace(string, "(>) *(<)", "$1$2");

或者您可以使用“。*”而不是“*”来确定替换所有换行符或标签之间可能剩余的其他特殊字符

如何删除xml中的特定标记而不会丢失c＃中的数据

2 个答案: