如何使用 Agility Pack 从 HTML 中删除注释而不丢失 DOCTYPE

Question

我正在尝试从 HTML 中删除不必要的内容。具体来说，我想删除 cmets。我找到了一个很好的解决方案 (Grabbing meta-tags and comments using HTML Agility Pack)，但是 DOCTYPE 被视为注释，因此与 cmets 一起被删除。如何改进以下代码以确保保留 DOCTYPE？

var htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(htmlContent);
var nodes = htmlDoc.DocumentNode.SelectNodes("//comment()");
if (nodes != null)
{
    foreach (HtmlNode comment in nodes)
    {
        comment.ParentNode.RemoveChild(comment);
    }
}

Answer 1

doc.DocumentNode.Descendants()
 .Where(n => n.NodeType == HtmlAgilityPack.HtmlNodeType.Comment)
 .ToList()
 .ForEach(n => n.Remove());

这将从文档中删除所有 cmets

Answer 2

检查评论是否以DOCTYPE开头

  foreach (var comment in nodes)
  {
     if (!comment.InnerText.StartsWith("DOCTYPE"))
         comment.ParentNode.RemoveChild(comment);
  }