c# - 获取模式之后没有类或 ID 的文本

Question

我正在使用 HtmlAgiityPack .

它是一个很好的数据解析工具，但是我使用它的每个实例，我总是有一个类或 id 来瞄准，即 -

string example = doc.DocumentNode.SelectSingleNode("//div[@class='target']").InnerText.Trim();

但是我遇到了一段文本，它没有嵌套在任何特定的模式中，具有我可以瞄准的类或 id。例如。 -

<p>Example Header</p>: This is the text I want!<br>

然而，给出的示例始终遵循相同的模式，即文本将始终在 </p>: 之后和之前 <br> .

我可以使用正则表达式提取文本，但我更愿意使用敏捷包，因为其余代码也会如此。有没有办法使用包来做到这一点？

Answer 1

这个 XPath 对我有用:

var html = @"<div class=""target"">
<p>Example Header</p>: This is the text I want!<br>
</div>";
var doc = new HtmlDocument();

doc.LoadHtml(html);
var result = doc.DocumentNode.SelectSingleNode("/div[@class='target']/text()[(normalize-space())]").OuterHtml;
Console.WriteLine(result);

• /text()选择所有作为 <div> 的直接子节点的文本节点
• [(normalize-space())]排除所有仅包含白色的文本节点空格(此 html 示例中排除了 2 个新行:一个在 <p> 之前，另一个在 <br> 之后)

结果:

更新一:

所有元素都必须有父元素，例如 <div>在上面的例子中。或者如果它是您正在谈论的根节点，同样的方法应该仍然有效。关键是使用/text()获取文本节点的 XPath :

var html = @"<p>Example Header</p>: This is the text I want!<br>";
var doc = new HtmlDocument();
doc.LoadHtml(html);
var result = doc.DocumentNode.SelectSingleNode("/text()[(normalize-space())]").OuterHtml;
Console.WriteLine(result);

更新二:

好的，所以你想在<p>之后选择文本节点元素和之前 <br>元素。然后你可以使用这个 XPath :

var result = 
        doc.DocumentNode
           .SelectSingleNode("/text()[following-sibling::br and preceding-sibling::p]")
           .OuterHtml;