提取 div 标签中的内容，忽略其中的其他标签答案

【问题标题】：Extract content within a div tag ignoring other tags inside提取 div 标签中的内容，忽略其中的其他标签
【发布时间】：2016-07-27 05:25:11
【问题描述】：

以下是示例 html 源代码

<div id="page2" dir="ltr">

<p>This text I dont want to extract</p>
 This is the text which I want to extract
</div>

不管 div 标签的属性如何，我只想提取 div 标签文本，而忽略 div 标签内的其他标签文本。

在上面的示例中，我不想在<p></p> 标记中提取文本，但我想在<div></div> 标记中提取文本，即“这是我要提取的文本”

XmlNodeList DivNodeList = xDoc.GetElementsByTagName("div");
string DivInnerText;
for (int i = 0; i < DivNodeList.Count; i++)
{
if (!DivNodeList[i].InnerXml.Contains("p"))
{
DivInnerText = DivNodeList[i].InnerText.Trim();
Div_List.Add(DivInnerText);
}
}

但是上面的代码没有按预期工作，因为我正在检查 p 标签是否存在，然后只提取文本。显然，如果 p 标签存在，它就不会进入 div 标签的内部文本，并且包含所有组合的文本，无论其中的标签是什么。

非常感谢您对此的任何帮助。

【问题讨论】：

标签： c#

【解决方案1】：

对于 HTML 处理，您应该尝试 HtmlAgilityPack 库。您的要求应该很容易做到。看看：http://www.c-sharpcorner.com/UploadFile/9b86d4/getting-started-with-html-agility-pack/

【讨论】：

【解决方案2】：

使用 JQuery，您可以这样做：

$("#page2").clone().children().remove().end().text();

Example

功劳应归于“DotNetWala”- check his answer here

【讨论】：