Question

我正在尝试从HTML中删除不必要的内容。具体来说，我想删除评论。我找到了一个非常好的解决方案（Grabbing meta-tags and comments using HTML Agility Pack）但是DOCTYPE被视为注释，因此随注释一起删除。如何改进下面的代码以确保保留DOCTYPE？

var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(htmlContent);
var nodes = htmlDoc.DocumentNode.SelectNodes("//comment()");
if (nodes != null)
{
    foreach (HtmlNode comment in nodes)
    {
        comment.ParentNode.RemoveChild(comment);
    }
}

Answer 1

doc.DocumentNode.Descendants()
 .Where(n => n.NodeType == HtmlAgilityPack.HtmlNodeType.Comment)
 .ToList()
 .ForEach(n => n.Remove());

这将剥离文档中的所有评论

Answer 2

检查评论是否不以DOCTYPE

开头

  foreach (var comment in nodes)
  {
     if (!comment.InnerText.StartsWith("DOCTYPE"))
         comment.ParentNode.RemoveChild(comment);
  }

如何使用Agility Pack从HTML中删除注释而不会丢失DOCTYPE

2 个答案: