StreamWrite xml节点内容忽略使用C#的子节点

Question

我正在尝试编写一个程序来读取 rss 新闻提要并在 txt 文件中重写文章的日期、标题和正文。两天前我才刚学C#，但有其他语言的经验。 该程序适用于某些提要，但在其他提要中（例如路透社），每篇文章正文后都有一个“通过电子邮件发送这篇文章”类型的链接，我在复制它时似乎无法摆脱它。我为整个提要运行程序。

例如，这是一些新闻的xml代码：

<item>
  <title>Pimco's Ivascyn sees 'significant' opportunity in European bank assets</title>
  <link>http://feeds.reuters.com/~r/news/wealth/~3/vUJ74S5mXQg/story01.htm</link>
  <category domain="">PersonalFinance</category>
  <pubDate>Mon, 16 Jun 2014 15:37:52 GMT</pubDate>
  <guid isPermaLink="false">http://www.reuters.com/article/2014/06/16/us-investing-pimco-ivascyn-idUSKBN0ER1VV20140616?feedType=RSS&amp;feedName=PersonalFinance</guid>
  <description>NEW YORK (Reuters) - The expected unloading of roughly $1 trillion in assets by European banks represents a "significant investment opportunity" in residential and commercial real estate as well as...&lt;div class="feedflare"&gt;
  &lt;a href="http://feeds.reuters.com/~ff/news/wealth?a=vUJ74S5mXQg:y6BPXasLV5o:yIl2AUoC8zA"&gt;&lt;img src="http://feeds.feedburner.com/~ff/news/wealth?d=yIl2AUoC8zA" border="0"&gt;&lt;/img&gt;&lt;/a&gt;
  &lt;/div&gt;&lt;img src="http://feeds.feedburner.com/~r/news/wealth/~4/vUJ74S5mXQg" height="1" width="1"/&gt;</description
  <feedburner:origLink>http://reuters.us.feedsportal.com/c/35217/f/654211/s/3b8e7c6b/sc/2/l/0L0Sreuters0N0Carticle0C20A140C0A60C160Cus0Einvesting0Epimco0Eivascyn0EidUSKBN0AER1VV20A140A6160DfeedType0FRSS0GfeedName0FPersonalFinance/story01.htm</feedburner:origLink>
</item>

但是当我运行程序时，我得到：

Mon, 16 Jun 2014 15:37:52 GMT
Pimco's Ivascyn sees 'significant' opportunity in European bank assets
NEW YORK (Reuters) - The expected unloading of roughly $1 trillion in assets by European banks represents a "significant investment opportunity" in residential and commercial real estate as well as...<div class="feedflare">
<a href="http://feeds.reuters.com/~ff/news/wealth a=vUJ74S5mXQg:y6BPXasLV5o:yIl2AUoC8zA"><img src="http://feeds.feedburner.com/~ff/news/wealth?d=yIl2AUoC8zA" border="0"></img></a>
</div><img src="http://feeds.feedburner.com/~r/news/wealth/~4/vUJ74S5mXQg" height="1" width="1"/>
**********

我试图去掉文章正文之后的最后两行代码。星号由我添加以分隔不同的文章。

这是我的代码：

using System;
using System.IO;
using System.Text;
using System.Xml;

namespace XmlReading
{
    class RssReading
    {
        static void Main(string[] args)
        {
            //Creater a StreamWriter object to write in a text file.
            StreamWriter sw = new StreamWriter("C:\\Users\Testing002.txt");

            XmlDocument xmlDoc = new XmlDocument();

            // Loads the rss feed page
            xmlDoc.Load("http://feeds.reuters.com/news/wealth");

            //create an object of item nodes.
            XmlNodeList itemNodes = xmlDoc.SelectNodes("//rss/channel/item");

            foreach (XmlNode itemNode in itemNodes)
            {
                //Reading the title
                XmlNode titleNode = itemNode.SelectSingleNode("title");
                //Reading the date
                XmlNode dateNode = itemNode.SelectSingleNode("pubDate");
                //Reading the body 
                XmlNode bodyNode = itemNode.SelectSingleNode("description");

                if(((titleNode != null) && (dateNode != null)) && (bodyNode!= null))
                {
                  /*    Xpath of article body, and of extra links.
                   *    //*[@id="bodyblock"]/ul/li[2]/div/text()
                   *    //*[@id="bodyblock"]/ul/li[2]/div/div
                   */
                //writing to console just to check the output.
                    Console.WriteLine(dateNode.InnerText);
                    sw.WriteLine(dateNode.InnerText);

                    Console.WriteLine(titleNode.InnerText);
                    sw.WriteLine(titleNode.InnerText);

                    Console.WriteLine(bodyNode.Value);
                    sw.WriteLine(bodyNode.InnerText);

                    Console.WriteLine("**********\n\n\n");
                    sw.WriteLine("**********\n\n\n");
                    sw.WriteLine(" ");
                    sw.WriteLine(" ");

                }
            }
            sw.Close();
            Console.ReadKey(true);
        }
    }
}

提前感谢您的任何帮助或建议。

Answer 1

我找到了解决这个问题的方法。最初我认为这是儿童的问题，但我意识到“发送电子邮件”链接是使用实体创建的（例如：

< 

和

>

因此，我所做的只是使用从位置 0 到第一个 '&' 字符的索引的子字符串。另外，为了使代码即使在 rss 阅读器没有这个问题时也能运行，我使用 Math.Max 编写它以避免子字符串的负大小。

最终代码与将正文写入文本文件的行保持一致。那里的代码替换为以下行：

sw.WriteLine(bodyNode.InnerText.Substring(0,Math.Max(bodyNode.InnerXml.IndexOf("&"),0)));

现在代码中也不需要 Console.WriteLine()。