Question

我正在尝试从“div”中提取文本并排除其他所有内容。你能帮我吗？！

<div class="article">
   <div class="date">01.01.2000</div>
   <div class="news-type"><a href="../link/page01">Breaking News</a></div>

   "Here is the location of the text i would like to pull"

</div>

当我拉“文章”课时，我得到了所有内容，但我无法/不知道如何排除class =“date”，class =“news-type”，以及其中的所有内容。

以下是我使用的代码：

HtmlDocument doc = web.Load(url);
foreach (HtmlNode node in doc.DocumentNode.SelectNodes("//div[contains(@class,'article')]"))
{
    name_text.text += node.InnerHtml.Trim();
}

谢谢！

Answer 1

您需要类型为HtmlTextNode的ChildNodes。未经测试的建议代码：

var textNodes = node.ChildNodes.OfType<HtmlTextNode>();
if (textNodes.Any())
{
    name_text.text += string.Join(string.Empty, textNodes.Select(tn => tn.InnerHtml));
}

Answer 2

另一种方法是使用XPath /text()[normalize-space()]从div元素中获取非空，直接子文本节点：

var divs = doc.DocumentNode.SelectNodes("//div[contains(@class,'article')]");
foreach (HtmlNode div in divs)
{
    var node = div.SelectSingleNode("text()[normalize-space()]");
    Console.WriteLine(node.InnerText.Trim());
}

<强> dotnetfiddle demo

输出

"Here is the location of the text i would like to pull"

Html Agility Pack从div获取特定内容

2 个答案: