仅提取带有文本（或值）的元素

Question

干得好。 我正在尝试将html转换为xml 意思是用文本提取所有元素 使用此代码不起作用，也许有人有答案？

System.Xml.Linq.XElement query1 = new System.Xml.Linq.XElement("RawHTMLData",
           from q in hDoc.Descendants("TABLE")
           where q.HasElements 
           select new System.Xml.Linq.XElement("TABLE" + (++i).ToString(),
           from j in q.Elements("TR")
           where j.HasElements && j.Descendants("div") != null
           select new System.Xml.Linq.XElement("Row",
           from hh in j.Descendants("div")
           where tt => j.Descendants("div").Contains(hh.Value) 
           select(TT(hh)))));

Answer 1

你不能使用Linq to Xml来解析HTML因为html可能无效为xml。

Answer 2

不确定这是否适合您，但您可能会考虑使用第三方工具（例如HTML Tidy）将HTML转换为XHTML。然后你可以将你的HTML视为XML。 Here是指向讨论该帖子的帖子的链接。

Answer 3

我认为你应该使用HTML Agility Pack，它对我帮助很大！ ：）

旧项目页面：http://htmlagilitypack.codeplex.com/