HTML敏捷包 - 而不删除内容除去不需要的标签？ [英] HTML agility pack - removing unwanted tags without removing content?

问题描述

我已经看到了一些相关的问题在这里，但它们不rsquo的;第•正是说说我面临同样的问题。

I've seen a few related questions out here, but they don’t exactly talk about the same problem I am facing.

我想使用 HTML敏捷性包，向我的HTML中删除不需要的标签没有松动的标签中的内容。

I want to use the HTML Agility Pack to remove unwanted tags from my HTML without loosing the content within the tags.

因此​​，举例来说，在我的情况，我想preserve标签 B ， I 和 U

So for instance, in my scenario, I would like to preserve the tags "b", "i" and "u".

和一个输入，如：

＆LT; P＆gt;我的款＆LT; D​​IV＆gt;和我的＆LT; B＆GT; DIV＆LT; / B＆GT;＆LT; / DIV＆GT;是＆LT; I＆GT;斜体＆LT; / I＆GT;和＆lt; B＆GT;大胆＆LT; / B＆GT;＆LT; / P＆GT;

产生的HTML应该是：

The resulting HTML should be:

我的款，我的＆LT; B＆GT; DIV＆LT; / B＆GT;是＆LT; I＆GT;斜体＆LT; / I＆GT;和＆lt; B＆GT;大胆＆LT; / B＆GT;

我试着用 HtmlNode 的删除方法，但它也删除我的内容。有什么建议？

I tried using HtmlNode's Remove method, but it removes my content too. Any suggestions?

推荐答案

我写了基于俄德的建议的算法。这里是。就像一个魅力。

I wrote an algorithm based on Oded's suggestions. Here it is. Works like a charm.

它会删除所有的标签，除了强烈， EM ， U 和原始文本节点。

It removes all tags except strong, em, u and raw text nodes.

internal static string RemoveUnwantedTags(string data)
{
    var document = new HtmlDocument();
    document.LoadHtml(data);

    var acceptableTags = new String[] { "strong", "em", "u"};

    var nodes = new Queue<HtmlNode>(document.DocumentNode.SelectNodes("./*|./text()"));
    while(nodes.Count > 0)
    {
        var node = nodes.Dequeue();
        var parentNode = node.ParentNode;

        if(!acceptableTags.Contains(node.Name) && node.Name != "#text")
        {
            var childNodes = node.SelectNodes("./*|./text()");

            if (childNodes != null)
            {
                foreach (var child in childNodes)
                {
                    nodes.Enqueue(child);
                    parentNode.InsertBefore(child, node);
                }
            }

            parentNode.RemoveChild(node);

        }
    }

    return document.DocumentNode.InnerHtml;
}

这篇关于HTML敏捷包 - 而不删除内容除去不需要的标签？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！