c# - 使用 Html Agility Pack 在两个 HTML 标签之间获取内容

Question

我们在 Word 中创建了一个非常庞大的帮助文档，它被用来生成一个更加庞大和笨拙的 HTM 文档。使用 C# 和这个库，我只想在我的应用程序中的任何时候抓取和显示这个文件的一部分。部分是这样划分的:

<!--logical section starts here -->
<div>
<h1><span style='mso-spacerun:yes'></span><a name="_Toc325456104">Section A</a></h1>
</div>
 <div> Lots of unnecessary markup for simple formatting... </div>
 .....
<!--logical section ends here -->

<div>
<h1><span style='mso-spacerun:yes'></span><a name="_Toc325456104">Section B</a></h1>
</div>

按理来说，在一个H1标签中就有一个a，里面有section name。我想从包含 div 的外部选择所有内容，直到遇到另一个 h1 并排除该 div。

• 每个部分名称都位于 <a> 下的 h1 标签中，该标签有多个 child (每个 child 大约 6 个)
• 逻辑部分用评论标记
• 实际文档中不存在这些注释

我的尝试:

var startNode = helpDocument.DocumentNode.SelectSingleNode("//h1/a[contains(., '"+sectionName+"')]");
//go up one level from the a node to the h1 element
startNode=startNode.ParentNode;

//get the start index as the index of the div containing the h1 element
int startNodeIndex = startNode.ParentNode.ChildNodes.IndexOf(startNode);

//here I am not sure how to get the endNode location. 
var endNode =?;

int endNodeIndex = endNode.ParentNode.ChildNodes.IndexOf(endNode);

//select everything from the start index to the end index
var nodes = startNode.ParentNode.ChildNodes.Where((n, index) => index >= startNodeIndex && index <= endNodeIndex).Select(n => n);

正因为我找不到这方面的文档，我不知道如何从我的起始节点到达下一个 h1 元素。如有任何建议，我们将不胜感激。

Answer 1

我认为这样做就可以了，尽管它假定 H1 标签只出现在部分标题中。如果不是这种情况，您可以在后代上添加 Where 以检查它找到的任何 H1 节点上的其他过滤器。请注意，这将包括它找到的 div 的所有 sibling ，直到它到达下一个具有部分名称的 div。

private List<HtmlNode> GetSection(HtmlDocument helpDocument, string SectionName)
{
    HtmlNode startNode = helpDocument.DocumentNode.Descendants("div").Where(d => d.InnerText.Equals(SectionName, StringComparison.InvariantCultureIgnoreCase)).FirstOrDefault();
    if (startNode == null)
        return null; // section not found

    List<HtmlNode> section = new List<HtmlNode>();
    HtmlNode sibling = startNode.NextSibling;
    while (sibling != null && sibling.Descendants("h1").Count() <= 0)
    {
        section.Add(sibling);
        sibling = sibling.NextSibling;
    }

    return section;
}