阅读not using RegExes for stripping HTML这么多,我想知道如何获取一些链接到我的RichTextBox而不会得到我从一些报纸网站下载的内容中的所有混乱的html。
我拥有:来自报纸网站的HTML。
我想要的:文章作为RichTextBox中的纯文本。但是使用链接(即将<a href="foo">bar</a>
替换为<Hyperlink NavigateUri="foo">bar</Hyperlink>
)。
HtmlAgilityPack为我HtmlNode.InnerText
(删除了所有HTML标记)和HtmlNode.InnerHtml
(包含所有标记)。我可以使用articlenode.SelectNodes(".//a")
获取链接的网址和文字,但我怎么知道在HtmlNode.InnerText
的纯文本中将其插入哪里?
任何暗示都会受到赞赏。
答案 0 :(得分:0)
以下是如何做到这一点(使用示例控制台应用程序,但Silverlight的想法是相同的):
我们假设你有这个HTML:
<html>
<head></head>
<body>
Link 1: <a href="foo1">bar</a>
Link 2: <a href="foo2">bar2</a>
</body>
</html>
然后这段代码:
HtmlDocument doc = new HtmlDocument();
doc.Load(myFileHtm);
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//a"))
{
// replace the HREF element in the DOM at the exact same place
// by a deep cloned one, with a different name
HtmlNode newNode = node.ParentNode.ReplaceChild(node.CloneNode("Hyperlink", true), node);
// modify some attributes
newNode.SetAttributeValue("NavigateUri", newNode.GetAttributeValue("href", null));
newNode.Attributes.Remove("href");
}
doc.Save(Console.Out);
将输出:
<html>
<head></head>
<body>
Link 1: <hyperlink navigateuri="foo1">bar</hyperlink>
Link 2: <hyperlink navigateuri="foo2">bar2</hyperlink>
</body>
</html>