如何识别html字符串中的html标签答案

【问题标题】：How to identify html tags in html string如何识别html字符串中的html标签
【发布时间】：2021-03-17 15:19:54
【问题描述】：

我有以下 html 字符串，我正在尝试使用以下代码识别 html 字符串中整个文本的   标记开始和结束

 var htmlstring = "<p><span><br> text <b>text &nbsp;<br></b>text <br></span></p>"
 var document = new HtmlDocument();
 document.LoadHtml(htmlString);
           
 var nodes= rootNode.SelectNodes("//br")

但它提供了所有 标签节点，我只希望在html字符串下方的整个html文本字符串的开头和结尾处

<p><span><br> text <b> text&nbsp;<br></b>text <br></span></p>

我正在寻找的节点应该是 2 而不是 3，但因为它计算了文本之间出现的   标记，所以得到了 3。

谁能帮我解决这个问题，非常感谢提前

【问题讨论】：

为什么不直接使用 linq：document.DocumentNode.SelectNodes("//br").First()？
你应该有一个文本节点的定义，什么是文本节点？例如
标签被视为文本节点
@FlatEric 这也将给出这个计数 text text &nbsp; text 我不想要那个我只想在整个 html 字符串的开头和结尾识别标签，基本上是想稍后删除标签
@AshkanMobayenKhiabani 我只想在我正在寻找的整个 html 字符串的开头或结尾选择标签 ，但上面的代码给出了所有标签跨度>
我不知道为什么First 应该给你除了第一个...

标签： c# html html-agility-pack

【解决方案1】：

您可以使用Split 方法来解决您的问题。我给你一个建议如下。它在  标签之间打印文本，这些标签是开始标签和结束标签。此外，您可以根据自己的要求修改输出。也许可以通过使用 regex 模式来解决。

const string tag = "<br>";
var splitedHtmlString = htmlString.Split(tag);
StringBuilder builder = new StringBuilder();
for (int i = 1; i < splitedHtmlString.Length - 1; i++)
{
     builder.Append(splitedHtmlString[i]);
     builder.Append(tag);
}
builder.Remove(builder.ToString().Length - tag.Length, tag.Length);
Console.WriteLine(builder.ToString());

输出：text text &nbsp; text

【讨论】：

很抱歉，它在开头和结尾都删除了 标签，并在此 text &nbsp; text  中收到错误，错误为StartIndex cannot be less than zero. (Parameter 'startIndex')
@EnigmaState 你可以从第零个索引开始for循环，这样你就可以得到
标签。
对于这个输入 text &nbsp; text  得到输出为 text &nbsp; 而不是 text &nbsp; text 
@EnigmaState 嗯好的，只需编写 for 循环，如：for (int i = 0; i < splitedHtmlString.Length ; i++)
很抱歉再次打扰您，在这种情况下 text &nbsp; text  没有删除开始和结束标签，输出与输入相同，正在寻找这种输出text &nbsp; text

【解决方案2】：

您可以使用 HtmlAgilityPack 库将字符串转换为 HtmlDocument 并按节点过滤

HtmlDocument 文档 = 新 HtmlDocument();

document.LoadHtml("你的html代码");

var htmlTag = document.DocumentNode.SelectNodes("//br");

【讨论】：