仅使用html敏捷性从html获取文本

Question

我正在尝试从html中删除与html敏捷性有关的所有内容，但我需要保留文本。例如，从此标记：

<TR><TD> 
<B><A HREF="survival/index.html">Survival</A></B><BR> 
<I>Be Suspicious, Be Worried, Be Prepared</I><BR> 
<TD> 

我只想保持“怀疑......”

我有这种方法，但效果不好：

    private static HtmlDocument RemoveHTML(HtmlDocument document)
    {
        HtmlDocument textOfDoc = new HtmlDocument();
        foreach (var node in document.DocumentNode.SelectNodes(".//p|.//title|.//body"))
        {
            var newNode = HtmlNode.CreateNode(node.InnerText+" ");
            textOfDoc.DocumentNode.AppendChild(newNode);
        }
        return textOfDoc;
    }

谢谢！

Answer 1

看起来你只是提取P，TITLE和BODY标签。如果你也想要我的标签，你需要这样做：

document.DocumentNode.SelectNodes(".//p|.//title|.//body|.//i")