Question

我们有一些XML文档，其中包含一些XHTML。 HTML来自MS Word或其他东西，除了内容之外，还有很多相邻的SPAN标签完全相同。

我一直在将XML加载到powershell并比较相邻的节点等等，但这看起来很费力并且很有可能出错。有没有一种聪明的方法可以通过XML DOM或HTML DOM实现这一目标？

Answer 1

以下是我提出的建议：

function removeNode($mynode){
    $parent = $mynode.get_parentNode()
    $parent.removeChild($mynode)
}

function parseStyles($mySpans){
    $global:finished = $true
    foreach($span in $mySpans){
        if($span.('#text') -eq $null -and !$span.haschildnodes){
            removeNode $span
        }
        elseif($span.get_NextSibling() -ne $null){
            if($span.get_NextSibling().style -eq $span.style){
                $span.get_innerText()+$span.get_NextSibling().get_InnerText()
                $span.'#text' = $span.get_innerText()+$span.get_NextSibling().get_InnerText()
                $span.('#text')
                removeNode $span.get_NextSibling()
                $global:finished = $false
            }
        }
    }
    return $mySpans
}
$global:finished = $true
$files = get-childitem -recurse -include "*.xml"

foreach($file in $files){

    [xml]$inputXML = Get-Content($file.directory.name+'\'+$file.name)
    do{
        $Spans = $inputXML.selectnodes('//span')
        parseStyles($Spans)
    }until($global:finished)
    $inputXML.save('./desktop/prometric/'+$file.directory.name+'/processed_'+$file.name)
}

如何在XML文档中合并相邻的SPAN标记？

1 个答案: