我有这个HTML。我正试图在其中没有任何标签的情况下获取其InnerText,
<h1>my h1 content</h1>
<div class="thisclass">
<p> some text</p>
<p> some text</p>
<div style="some_style">
some text
<script type="text/javascript">
<!-- some script -->
</script>
<script type='text/javascript' src='some_script.js'></script>
</div>
<p> some text<em>some text</em>some text.<em> <br /><br /></em><strong><em>some text</em></strong></p>
<p> </p>
</div>
我想要做的是获取文本,因为用户可以从类thisclass中看到它。 我想删除任何脚本标记和所有标记,只需获取纯文本。
这就是我正在使用的:
Dim Tags As HtmlNodeCollection = root.SelectNodes("//div[@class='thisclass'] | //h1")
有没有人有任何想法?
感谢。
答案 0 :(得分:0)
试试这个(提前警告c#代码):
foreach(var script in root.SelectNodes("//script"))
{
script.ParentNode.RemoveChild(script);
}
Console.WriteLine(root.InnerText);
这给了我以下输出:
my h1 content some text some textsome text some textsome textsome text. some text
希望这有帮助。