htmlagilitypack - 删除脚本和样式？ [英] htmlagilitypack - remove script and style?

问题描述

即时通讯使用下面的方法来提取文本格式的HTML：

 公共字符串getAllText（字符串_html）
    {
        字符串_allText =;
        尝试
        {
            HtmlAgilityPack.HtmlDocument文档=新HtmlAgilityPack.HtmlDocument（）;
            document.LoadHtml（_html）;
            VAR根= document.DocumentNode;
            VAR SB =新的StringBuilder（）;
            的foreach（在root.DescendantNodesAndSelf（）VAR节点）
            {
                如果（！node.HasChildNodes）
                {
                    字符串文本= node.InnerText;
                    如果（！string.IsNullOrEmpty（文本））
                        sb.AppendLine（text.Trim（））;
                }
            }            _allText = sb.ToString（）;        }
        赶上（例外）
        {
        }        _allText = System.Web.HttpUtility.HtmlDe code（_allText）;        返回_allText;
    }
 

问题是，我还可以得到脚本和风格标签。

我怎么能拒绝呢？

解决方案

  HtmlAgilityPack.HtmlDocument DOC =新HtmlAgilityPack.HtmlDocument（）;
doc.LoadHtml（HTML）;doc.DocumentNode.Descendants（）
                。凡（N =＆GT; n.Name ==脚本|| n.Name ==风格）
                .ToList（）
                .ForEach（N =＆GT; n.Remove（））;
 

Im using the following method to extract text form html:

    public string getAllText(string _html)
    {
        string _allText = "";
        try
        {
            HtmlAgilityPack.HtmlDocument document = new HtmlAgilityPack.HtmlDocument();
            document.LoadHtml(_html);


            var root = document.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());
                }
            }

            _allText = sb.ToString();

        }
        catch (Exception)
        {
        }

        _allText = System.Web.HttpUtility.HtmlDecode(_allText);

        return _allText;
    }

Problem is that i also get script and style tags.

How could i exclude them?

解决方案

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);

doc.DocumentNode.Descendants()
                .Where(n => n.Name == "script" || n.Name == "style")
                .ToList()
                .ForEach(n => n.Remove());

这篇关于htmlagilitypack - 删除脚本和样式？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！