L'extraction de texte Interne du CORPS HTML nœud avec Html Agility Pack

Besoin d'un peu d'aide avec HTML Agility Pack!

Fondamentalement, je veux saisir texte brut dans le corps nœud de l'HTML.
Jusqu'à présent j'ai essayé ceci dans vb.net et il ne parvient pas à retourner le sens innertext
aucune modification n'est observée, bien au moins de ce que je peux voir.

Dim htmldoc As HtmlDocument = New HtmlDocument
htmldoc.LoadHtml(html)

Dim paragraph As HtmlNodeCollection = htmldoc.DocumentNode.SelectNodes("//body")

If Not htmldoc Is Nothing Then
   For Each node In paragraph
       node.ParentNode.RemoveChild(node, True)
   Next
End If

Return htmldoc.DocumentNode.WriteContentTo

J'ai essayé ceci:

Return htmldoc.DocumentNode.InnerText

Mais toujours pas de chance!

Des conseils???

double possible de Saisir tout le texte de html avec du code Html Agility Pack

OriginalL'auteur Kevin | 2011-07-27

  1. 16

    Comment sur:

    Return htmldoc.DocumentNode.SelectSingleNode("//body").InnerText
    Salut Jeff, j'ai essayé plus tôt aussi, mais le retour de données contient beaucoup de caractères indésirables comme &,{,} et beaucoup de html marquer et aussi des scripts balises. L'interligne est situé juste en dehors de la fenêtre 🙂 je pourrais peut-être utiliser des regex pour résoudre ce problème. Mais je veux me concentrer plus sur le code Html Agility Pack
    Eh bien il n'y a pas beaucoup que vous pouvez faire à ce sujet que, à l'exception de nettoyer le code html de l'indésirables. InnerText comprend tout ce que vous voyez dans le document qui ne fait pas partie de l'élément. Donc cela inclut les espaces, de code dans le script nœuds, etc. Si votre objectif est d'obtenir le texte tel qu'il ressemble rendu dans un navigateur web, vous n'allez pas vous faire de cette façon.
    Hmm je comprends ce que tu veux dire. Peut-être que j'ai confondu avec innertext et clair. L'objectif principal est de revenir propre texte ou HTML analysée de retour avec le texte principal contenu en elle. Pourriez-vous me montrer comment nous avons obtenu cette s'il vous plaît.
    Je ne sais pas vraiment pour être honnête. Ce que je voudrais faire est de le charger dans un navigateur et d'obtenir le texte de l'écran (pas de source). Le faire par programmation est une chose différente tous ensemble.
    Tu veux dire contrôle webbrowser?

    OriginalL'auteur Jeff Mercado

  2. 0

    Jeff solution est ok si vous n'avez pas les tables, parce que le texte situé dans le tableau est coller comme un cell1cell2cell3.
    Pour éviter ce problème, utilisez ce code (C#):

    var words = doc.DocumentNode?.SelectNodes("//body//text()")?.Select(x => x.InnerText);
return words != null ? string.Join(" ", words) : String.Empty;

    OriginalL'auteur EminST