Question

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。

Answer 1

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>

HTML到RichTextBox作为带有超链接的明文

1 个答案: