Question

我想从我的html

中仅提取文字

var sb = new StringBuilder();
doc.LoadHtml(inputHTml);

foreach (var node in Doc.DocumentNode.ChildNodes)
{
    if (node.Name == "strong" || node.Name == "#text" 
        || node.Name == "br" || node.Name == "div" 
        || node.Name == "p" || node.Name != "img")
    {
        sb.Append(node.InnerHtml);
    }
}

现在在我的node.InnerHtml中是这个html：

1

<br><div>text</div><div>, text</div><div>text<br>
<img src="http://example.com/55.jpg" alt="" title="" height="100">
<img src="http://example.com/45.jpg" alt="text" title="text" height="100"></div>

2

text&nbsp;text&nbsp;text.&nbsp;&nbsp;<a
 href="/content/essie-classics">text</a><br>
  <img> src="" alt="" title="" height="100"><img
 src="http://example.com/img_8862.jpg"
 alt="" title="" height="100">

如何删除img和标签？

img标签没有关闭标签

Answer 1

不确定我明白第2点意味着什么。但是，如果您要从<img>中删除所有HtmlNode元素，可以尝试这种方式：

var imgs = node.SelectNodes("//img");
foreach (var img in imgs)
{
    img.Remove();
}

Remove()函数会从其父级中删除HtmlNode。即使没有关闭标记，这对我来说也可以删除<img>元素。

更新：

您可以使用此XPath表达式在单个查询中选择所有<img>和<a>元素：

node.SelectNodes("//*[self::img or self::a]");

然后你可以遍历结果集一次以删除每一个。

Answer 2

请参阅此remove html node(img) from htmldocument 示例。你也可以这样做：

       var sb = new StringBuilder();
doc.LoadHtml(inputHTml);

        foreach (var node in doc.DocumentNode.ChildNodes)
    {
        if (node.Name != "img" && node.Name!="a")
        {
            sb.Append(node.InnerHtml);
        }
    }

从node.InnerHtml中删除“img”和“a”标签

2 个答案: