HTMLAgilityPack 获取类 innerText答案

【问题标题】：HTMLAgilityPack get class innerTextHTMLAgilityPack 获取类 innerText
【发布时间】：2017-06-17 13:04:31
【问题描述】：

我正在尝试获取课程的innerText。这是我的代码：

using (HttpClient clientduplicate = new HttpClient())
{
    clientduplicate.DefaultRequestHeaders.Add("User-Agent",
        "Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; WOW64; Trident / 6.0)");

    using (HttpResponseMessage responseduplicate = await clientduplicate.GetAsync(@"https://www.investing.com/news/stock-market-news/warren-buffett:-i-bought-$12-billion-of-stock-after-trump-won-456954")
    using (HttpContent contentduplicate = responseduplicate.Content)
    {
        try
        {
            string resultduplicate = await contentduplicate.ReadAsStringAsync();

            var websiteduplicate = new HtmlDocument();
            websiteduplicate.LoadHtml(resultduplicate);

            var titlesduplicate = websiteduplicate.DocumentNode.Descendants("div").FirstOrDefault(o => o.GetAttributeValue("class", "") == "arial_14 clear WYSIWYG newsPage");
            var match = Regex.Match(titlesduplicate.InnerText, @"(.*?)<!--", RegexOptions.Singleline).Groups[1].Value;

            Debug.WriteLine(match.TrimStart());
        }
        catch(Exception ex1)
        {
            var dialog2 = new MessageDialog(ex1.Message);
            await dialog2.ShowAsync();
        }
    }
}

现在的问题是这也会返回我图片上的文字。我可以找到解决方法，但我想知道是否有其他方法。更简单/更快的东西。

另外，当我在其他文章/网址上使用它时，还有其他小错误。

【问题讨论】：

您可以使用类似 titlesduplicate.SelectNodes("./img")?.ToList().ForEach(i => i.Remove()); 的 xpath 查询来清理您的节点，对于选择重复标题，请使用 var titlesduplicate = websiteduplicate.DocumentNode.SelectSingleNode("//div[contains(@class, 'newsPage')]");
你能详细说明错误是什么吗？
@GantTheWanderer 字母编码，字母更改为 html。小事。
我会接受洪曹的回答，删除令人反感的材料。否则，您的选择器需要更加准确。你想收集什么信息，你打算用它做什么？
如果我是 Web 服务器，我不会发送换行符，因为它们在 HTML 和许多其他类型的标记中不是必需的。换行符使人类更容易阅读，但它只是浪费了计算机解析的空间，多余的数据通过管道不必要地传输。

标签： c# class http html-agility-pack innertext

【解决方案1】：

有很多方法可以做到这一点。一种方法是在获取 innerText 之前删除轮播 div： doc.DocumentNode.Descendants("div").FirstOrDefault(_ => _.Id.Equals("imgCarousel"))?.Remove();

【讨论】：

如果imgCarousel 不存在，这将抛出System.NullReferenceException。我修复了它，但编辑了你的答案，所以我可以接受它。
我明白了。我添加了? 来检查空引用。我希望你知道这个 c# 6 语法
我似乎可以解决的一个错误是它没有换行符。所有文本都在一行中。对此有任何想法吗？如果您想帮助进行这些小调试，我会在此处添加此内容
你能描述更多吗？顺便说一句，你有什么理由必须使用正则表达式吗？ IMO，我们不应该使用正则表达式来解析 html。
我使用正则表达式的原因是因为我不想要innerText的所有部分。