使用 HtmlAgilityPack 从两个 html 节点之间获取文本

Question

假设我有以下 HTML

<p id="definition">
    <span class="hw">emolument</span> \ih-MOL-yuh-muhnt\, <i>noun</i>:
    The wages or perquisites arising from office, employment, or labor
</p>

我想在 C# 中使用 HTMLAgilityPack 分别提取每个部分

我可以很容易地得到单词和单词类

var definition = doc.DocumentNode.Descendants()
    .Where(x => x.Name == "p" && x.Attributes["id"] == "definition")
    .FirstOrDefault();

string word = definition.Descendants()
    .Where(x => x.Name == "span")
    .FirstOrDefault().InnerText;

string word_class = definition.Descendants()
    .Where(x => x.Name == "i")
    .FirstOrDefault().InnerText;

但是我如何获得发音或实际定义？这些落在节点之间，如果我使用defintion.InnerText，我会在一个字符串中得到全部内容。有没有办法在XPath 中做到这一点？

如何在 HtmlAgilityPack 中的节点之间选择文本？

Answer 1

有没有办法在 XPath 中做到这一点？

是的，而且非常简单。

您需要了解的关键概念是文本和子元素节点如何在 XML/HTML 中组织 - 以及 XPath。

如果元素的文本内容被子元素标点，它们最终会出现在单独的文本节点中。您可以按位置访问单个文本节点。

只需在任何元素上使用text() 即可检索所有子文本节点。将//p/text() 应用于您已显示产量的sn-p（由------- 分隔的各个结果）：

[EMPTY TEXT NODE, EXCEPT WHITESPACE]
-----------------------
\ih-MOL-yuh-muhnt\,
-----------------------
:
The wages or perquisites arising from office, employment, or labor

这个p 元素的第一个文本节点只包含空格，所以这可能不是你想要的。 //p/text()[2] 检索

  \ih-MOL-yuh-muhnt\,

和//p/text()[3]:

:
The wages or perquisites arising from office, employment, or labor

Answer 2

        HtmlNode text = doc.DocumentNode.Descendants().Where(x => x.Name == "p" && x.Id == "definition").FirstOrDefault();

        foreach (HtmlNode node in text.SelectNodes(".//text()"))
        {
            Console.WriteLine(node.InnerText.Trim());
        }

输出将是：

1. 酬金
2. \ih-MOL-yuh-muhnt\,
3. 名词
4. ：
5. 因职务、就业或劳动而产生的工资或津贴

如果你想要2. \ih-MOL-yuh-muhnt\, 结果。你需要这个。

HtmlNode a = text.SelectNodes(".//text()[2]").FirstOrDefault();