Question

我想用C＃来解析HTML数据。

如果您认为HTML数据的每个字符都有点：true =＆＃34; html / code＆＃34;。 false =＆＃34;显示/内容＆＃34;。然后你会知道HTML的哪一部分是＆＃34;代码＆＃34;。

让我们使用以下HTML示例：

<a id="a1" class="c1" attr1="x" attr2="y">a1 c1 attr1</a> <p>a1 c1 attr1 attr2</p>

我想做一个C＃String.Replace来查找＆＃34; a1＆＃34;的所有实例。并用＆＃34; new1＆＃34;替换它。我想做一个C＃String.Replace来查找＆＃34; attr1＆＃34;的所有实例。并用＆＃34; new2＆＃34;替换它。但我只想要html＆＃34;代码＆＃34;受到影响，我想要所有＆＃34;内容＆＃34;不要改变。期望的结果是：

<a id="new1" class="c1" new2="x" attr2="y">a1 c1 attr1</a> <p>a1 c1 attr1 attr2</p>

注意：所需的结果有另外两个＆＃34; a1＆＃34;没有重命名的。注意：所需的结果有2个其他的＆＃34; attr1＆＃34;没有重命名。

我无法找到任何可以帮助完成这项工作的现有库或软件。

EDIT1：HtmlAgilityPack可能是一个选项。但是，我仍然没有更接近理解如何使用它来区分代码和非代码？

EDIT2：请记住，这个问题尽可能地简化了我的真实问题。使用和不使用引号重命名的东西都不是答案。 我特别需要弄清楚如何区分代码和非代码。

EDIT3：我已经包含了＆＃34; attr1＆＃34;作为辅助String.Replace。我需要找到要替换的属性的属性和值。我需要能够区分代码和非代码。

有什么建议吗？

Answer 1

根据对此帖的评论，我想出了以下内容：

void Main()
{
    var html = "<a id=\"attr1\" class=\"c1\" attr1=\"x\" attr2=\"y\">a1 c1 attr1</a> <p>a1 c1 attr1 attr2</p>";

    var res = Replace(html, "attr1", "attrA");
}

public string Replace(string html, string oldval, string newval)
{
    HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
    doc.LoadHtml(html);

    foreach (var n in doc.DocumentNode.ChildNodes)
    {
        foreach (var a in n.Attributes)
        {
            if (a.Value.Equals(oldval))
            {
                a.Value = newval;
            }

            if (a.Name.Equals(oldval))
            {
                a.Name = newval;
            }
        }
    }

    return doc.DocumentNode.OuterHtml;
}

鉴于输入：

<a id="attr1" class="c1" attr1="x" attr2="y">a1 c1 attr1</a> <p>a1 c1 attr1 attr2</p>

输出结果为：

<a id="attrA" class="c1" attra="x" attr2="y">a1 c1 attr1</a> <p>a1 c1 attr1 attr2</p>

这应该符合当前的要求。

如何确定哪些HTML是＆＃34;代码＆＃34;哪个是＆＃34;显示/内容＆＃34;？

1 个答案: