首页
学习
活动
专区
工具
TVP
发布
社区首页 >问答首页 >使用html Agility Pack从Html抓取所有文本

使用html Agility Pack从Html抓取所有文本
EN

Stack Overflow用户
提问于 2010-11-15 16:25:46
回答 5查看 48K关注 0票数 34

输入

代码语言:javascript
复制
<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>

输出

代码语言:javascript
复制
foo
bar
baz

我知道htmldoc.DocumentNode.InnerText,但它会提供foobarbaz -我想要获取每个文本,而不是一次获取所有文本。

EN

回答 5

Stack Overflow用户

回答已采纳

发布于 2010-11-15 17:15:11

代码语言:javascript
复制
var root = doc.DocumentNode;
var sb = new StringBuilder();
foreach (var node in root.DescendantNodesAndSelf())
{
    if (!node.HasChildNodes)
    {
        string text = node.InnerText;
        if (!string.IsNullOrEmpty(text))
            sb.AppendLine(text.Trim());
    }
}

这可以满足您的需求,但我不确定这是否是最好的方法。也许您应该遍历DescendantNodesAndSelf以外的其他内容以获得最佳性能。

票数 13
EN

Stack Overflow用户

发布于 2010-11-21 17:50:20

XPATH是您的朋友:)

代码语言:javascript
复制
HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(@"<html><body><p>foo <a href='http://www.example.com'>bar</a> baz</p></body></html>");

foreach(HtmlNode node in doc.DocumentNode.SelectNodes("//text()"))
{
    Console.WriteLine("text=" + node.InnerText);
}
票数 64
EN

Stack Overflow用户

发布于 2014-09-25 00:20:18

我需要一种解决方案,可以提取所有文本,但丢弃脚本和样式标记的内容。我在任何地方都找不到它,但我想出了以下适合我自己需要的:

代码语言:javascript
复制
StringBuilder sb = new StringBuilder();
IEnumerable<HtmlNode> nodes = doc.DocumentNode.Descendants().Where( n => 
    n.NodeType == HtmlNodeType.Text &&
    n.ParentNode.Name != "script" &&
    n.ParentNode.Name != "style");
foreach (HtmlNode node in nodes) {
    Console.WriteLine(node.InnerText);
票数 12
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/4182594

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档