Question

我需要获取html文本节点，比方说，第64行，第45行到第183行，第22行。我对XPath很新，我不太清楚我的选择是什么。我该怎么办？我记得这样的事情：

var nodes=doc.DocumentNode.SelectNodes("//text()[position() > startPosition and position() < endPosition]");

Answer 1

你无法用XPath做到这一点：它对XML中的行号和字符位置一无所知。

position()函数返回节点列表中节点的相对位置 - 例如为列表中的第一个节点返回1，为第二个节点返回2，依此类推。

要获取行位置信息，您可以使用XElement或XmlReader解析XML，然后使用IXmlLineInfo界面。

请注意，使用行/字符位置来标识XML文件的片段是有问题的：XML处理器通常会重新格式化XML，添加/删除空格和结束行，因此相同的XML片段可以更改位置。

Answer 2

HtmlNode类有两个重要属性（您需要做什么）：

Line（节点开始的行）
LinePosition（节点结束的行）

您可以执行以下操作：

var nodes = doc.DocumentNode.Descendants("#text").Where(
    x => (x.Line > 64 || (x.Line == 64 && x.LinePosition >= 45)) &&
         (x.Line < 183 || (x.Line == 183 && x.LinePosition <= 22))
);

当然，您也可以doc.DocumentNode.SelectNodes("//text()").Where(...)

您必须处理的一个问题：

它没有告诉你节点在哪里结束，所以上面的解决方案可能会给你的节点以一条比183更强的行结束，或者行183但是在一个更好的位置比22。为此，您可以使用节点的OuterHtml属性，并进行一些字符串操作（获取长度以了解它的结束位置，按\n拆分以了解有多少行等。）

使用Html Agility Pack从特定位置选择HTML

2 个答案: