c# - 删除 HtmlAgilityPack 中无用的 TextNode

Question

我正在使用 HtmlAgilityPack 抓取一些网站。问题是它似乎坚持在大多数地方插入 TextNode，这些地方要么是空的，要么只包含大量的\n、空格和\r。

当我计算 childnodes 时，它们往往会给我带来问题，因为 firebug 不显示它们，但 HtmlAgilityPack 会。

有没有办法告诉 HtmlAgilityPack 停止这样做，或者至少清除这些文本节点？ (不过我想保留有用的)。当我们在这里时，对于 Comment 和 Script 标签也是一样的。

Answer 1

您可以使用以下扩展方法:

static class HtmlNodeExtensions
{
    public static List<HtmlNode> GetChildNodesDiscardingTextOnes(this HtmlNode node)
    {
        return node.ChildNodes.Where(n => n.NodeType != HtmlNodeType.Text).ToList();
    }
}

然后这样调用它:

List<HtmlNode> nodes = someNode.GetChildNodesDiscardingTextOnes();