c# - 如何使用 htmlagilitypack 获取 2 个周围 html 元素之间的 html？

Question

我需要使用带有 C# 的 htmlagilitypack 检索包含在 2 个其他 html 元素中的 html 元素。

例如，我有以下内容:

<div id="div1" style="style definition here">
  <strong>
    <font face="Verdana" size="2">Your search request retrieved 0 matches.</font>
  </strong>
  <font face="Verdana" size="2">Some more text here.</font>
  <br><br>
  <!--more html here-->
</div>

我想返回之间的所有内容

<div id="div1">

第一个

<br>

不返回任何一个元素。

我无法理解为此所需的语法，所以如果有人能向我解释在忽略结束标记的同时获取存在于 2 个其他已知开始标记之间的 html 的最佳方法，我将非常感激。

我还应该提到，我需要首先在一个完整网页的周围 html 中找到 id 为 div1 的 div。

我不需要实际节点与来自特定 HtmlDocument 的节点具有引用相等性，它们只需要在内容方面相同即可。

Answer 1

当返回HtmlNode 实例时，对同一节点的多次调用将产生相同的引用。您可以利用它来发挥自己的优势(尽管这是一个实现细节，所以要小心)。

基本上，您会得到所有作为元素的后代，直到有问题的节点为止。您选择要开始的节点:

HtmlNode divNode = doc.DocumentNode.SelectSingleNode("div[@id='div1']");

你要上去的节点:

// Note that in this case, working off the first node is not necessary, just
// convenient for this example.
HtmlNode brNode = divNode.SelectSingleNode("br");

然后使用TakeWhile extension method在 Enumerable class 上获取所有元素直到第二个元素，像这样:

// The nodes.
IEnumerable<HtmlNode> nodes = divNode.Descendants().
    TakeWhile(n => n != brNode).
    Where(n => n.NodeType == HtmlNodeType.Element);

TakeWhile方法(n => n != brNode)中的比较依赖于引用比较(即实现细节部分)。

最后一个过滤器只为您提供元素节点，因为这通常是您通过调用 SelectSingleNode 获得的；如果你想处理其他节点类型，你可以省略它。

像这样循环通过这些节点:

foreach (HtmlNode node in nodes)
{
    // Print.
    Console.WriteLine("Node: {0}", node.Name);
}  

产生:

Node: strong
Node: font
Node: font