C#：HtmlAgilityPack 提取内部文本答案

【问题标题】：C#: HtmlAgilityPack extract inner textC#：HtmlAgilityPack 提取内部文本
【发布时间】：2011-02-16 14:59:37
【问题描述】：

我正在使用 HtmlAgilityPack。是否有一行代码可以获取 html 的所有内部文本，例如，删除所有 html 标签和脚本？

【问题讨论】：

【解决方案1】：

像这样：

document.DocumentNode.InnerText

注意，这将返回<script>标签的文本内容。

要解决这个问题，您可以删除所有 <script> 标记，如下所示：

foreach(var script in doc.DocumentNode.Descendants("script").ToArray())
    script.Remove();
foreach(var style in doc.DocumentNode.Descendants("style").ToArray())
    style.Remove();

【讨论】：

DocumentNode好像没有叫Descendant的函数？ “‘HtmlAgilityPack.HtmlNode’不包含‘后代’的定义”
HTML Agility Pack V1.3.0.0，是不是太旧了？
我用这段代码解决了我的一个问题。不过我确实有一个问题。如何在 foreach 循环中执行删除？
@WinCoder：什么意思？
我的意思是不是不能修改正在使用 foreach 循环的集合。

【解决方案2】：

我写了一个简单的方法。它可能会帮助你。此方法可以提取所有特定标签的节点。然后你可以使用HtmlNodeCollection[i].InnerText 来获取它的文本。

    HtmlDocument hDoc;
    HtmlNodeCollection nodeCollection;

    public void InitInstance(string htmlCode) {
        hDoc.LoadHtml(htmlCode);
        nodeCollection = new HtmlNodeCollection();
    }
    private void GetAllNodesInnerTextByTagName(HtmlNode node, string tagName) {
        if (null == node.ChildNodes) {
            return ;
        } else {
            HtmlNodeCollection nCollection = node.SelectNodes( tagName );
            if( null != nCollection ) {
                for( int i=0; i<nCollection.Count; i++) {
                    nodeCollection.Add( nCollection[i]);
                    nCollection[i].Remove();
                }
            }
            nCollection=node.ChildNodes;
            if(null != nCollection) {
                for(int i=0;i<nCollection.Count; i++) {
                    GetAllNodesInnerTextByTagName( nCollection[i] , tagName );
                }
            }
        }

【讨论】：

通常，一篇文章的内容总是在
标签中。