按标签名称排除某些后代，然后抓取文本

Question

我正在使用C＃中的HtmlAgilityPack从网页上抓取一些数据。我得到了包含我想要抓取的所有文本的元素，但问题是我想要排除某些元素，例如＆lt; big＆gt;和＆lt; style＆gt;元素。一些页面具有＆lt; style＆gt;随机点中的元素，目前HtmlAgilityPack将CSS规则包含为文本。

我目前有以下代码：

var paragraphElements = bodyElement.Descendants().Where(x => x.Name == "p" && !string.IsNullOrEmpty(x.InnerText)).ToList();

“paragraphElements”确实包含所有＆lt; p＆gt;元素，但其中一些元素包含我不想作为孩子的元素类型。

我尝试使用带有SelectNodes（）方法的XPath语法，但我做了一些我认为可行的尝试，它一直返回一个空数组。

Answer 1

我明白了。

var bodyElement = doc.GetElementbyId("mainentrycontent").Clone();

bodyElement.SelectNodes(".//br | .//img | .//style | .//big").ToList().ForEach((e) => { e.Remove(); });

我将删除克隆拷贝上的不想要的元素，抓取克隆元素的内部文本。