仅从具有 html 敏捷性的 html 中获取文本

Question

我试图从 html 中删除与 html 相关的所有内容，但我需要保留文本。例如，从这个标签：

<TR><TD> 
<B><A HREF="survival/index.html">Survival</A></B><BR> 
<I>Be Suspicious, Be Worried, Be Prepared</I><BR> 
<TD> 

我只想保留“多疑……”

我有这个方法，但是效果不太好：

    private static HtmlDocument RemoveHTML(HtmlDocument document)
    {
        HtmlDocument textOfDoc = new HtmlDocument();
        foreach (var node in document.DocumentNode.SelectNodes(".//p|.//title|.//body"))
        {
            var newNode = HtmlNode.CreateNode(node.InnerText+" ");
            textOfDoc.DocumentNode.AppendChild(newNode);
        }
        return textOfDoc;
    }

谢谢！

Answer 1

看起来您只是在提取 P、TITLE 和 BODY 标记。如果你也想要 I 标签，你需要这样做：

document.DocumentNode.SelectNodes(".//p|.//title|.//body|.//i")