C#: HtmlAgilityPack extrait de texte interne

Je suis en utilisant HtmlAgilityPack. Est-il une ligne de code que je peux obtenir tout intérieure du texte de html, par exemple, de supprimer toutes les balises html et des scripts?

OriginalL'auteur Yang | 2010-05-06

  1. 16

    Comme ceci:

    document.DocumentNode.InnerText

    Noter que ce sera le retour de la teneur du texte de <script> balises.

    Pour corriger cela, vous pouvez supprimer tous les <script> balises, comme ceci:

    foreach(var script in doc.DocumentNode.Descendants("script").ToArray())
    script.Remove();
foreach(var style in doc.DocumentNode.Descendants("style").ToArray())
    style.Remove();
    Il semble que DocumentNode n'a pas une fonction nommée Descendant? "'HtmlAgilityPack.HtmlNode' ne contient pas une définition pour 'Descendants'"
    Quelle version utilisez-vous?
    HTML Agility Pack V1.3.0.0, est-il trop vieux?
    Oui; obtenir une version plus récente.
    J'ai utilisé ce code pour résoudre un problème de la mine. J'ai une question cependant. Comment peut-enlèvement être effectué dans une boucle foreach ?

    OriginalL'auteur SLaks

  2. 1

    J'ai écrit une méthode simple. Il peut vous aider. Cette méthode permet d'extraire tous les balise spécifique du nœud. Ensuite, vous pouvez utiliser le HtmlNodeCollection[i].InnerText pour obtenir son texte.

        HtmlDocument hDoc;
    HtmlNodeCollection nodeCollection;

    public void InitInstance(string htmlCode) {
        hDoc.LoadHtml(htmlCode);
        nodeCollection = new HtmlNodeCollection();
    }
    private void GetAllNodesInnerTextByTagName(HtmlNode node, string tagName) {
        if (null == node.ChildNodes) {
            return ;
        } else {
            HtmlNodeCollection nCollection = node.SelectNodes( tagName );
            if( null != nCollection ) {
                for( int i=0; i<nCollection.Count; i++) {
                    nodeCollection.Add( nCollection[i]);
                    nCollection[i].Remove();
                }
            }
            nCollection=node.ChildNodes;
            if(null != nCollection) {
                for(int i=0;i<nCollection.Count; i++) {
                    GetAllNodesInnerTextByTagName( nCollection[i] , tagName );
                }
            }
        }
    généralement, le contenu d'un article toujours en <p> balises.

    OriginalL'auteur tsingroo