HtmlAgilityPack 删除子节点的子节点

Question

我有一个包含类似这样的字符串：

string text = "<p>test <span> <font> here </font> </span> try</p><p> <font> try 2</font> </p>"

我需要的是过滤这样的东西：

将文本保留在 P 中 删除跨度和内容（字体和文本） 如果直接父级不是 Span*，则将 Text 保留在字体内

我拥有的是：

StringBuilder sbtexttoCorrect = new StringBuilder();
HtmlDocument html = new HtmlDocument();
html.LoadHtml(textToFormat);
var nodes = html.DocumentNode.SelectNodes("//p");

foreach (var line in nodes)
{
   if (line.Name =="SPAN")
   {
      line.RemoveAllChildren();
      line.Remove();
   }
}
foreach (var txt in nodes)
{
sbtexttoCorrect.Append(txt.InnerText);
}

但是最后的 sbtexttoCorrect 仍然得到 span 的子字体。即使使用 Removechild 和他自己的 Remove。

我错过了什么？

注意：在另一个帖子上有人告诉我：

 foreach (var line in nodes.Select(node => node.ChildNodes.Where(
     childNode => childNode.Name != "span"))
                    .Select(
                        textNodes => textNodes.Aggregate(String.Empty, (current, node) => current + node.InnerText)))
        {

            sbtexttoCorrect.Append(line);
        }

但是我不明白所有的语法，所以我想重写我自己的尝试，而且它也没有一直工作，它仍然在 Span 中获取 Font 中的文本。

注意 2 我找不到关于 Agilty Pack 规格的任何文档。如果有人知道在哪里可以找到它，我想了解更多关于这个库的信息。

编辑真正的 HTML 要复杂得多，有许多我不知道的 childNode，它们可以是 TD 或 DIV，唯一真正确定的是当有span 我需要跳过他的内容和他的 childNode

Answer 1

我在您的代码中看到了这些问题：

• 您将跨度视为大写，而 HtmlAgilityPack 将其视为小写 => 您的 if 块永远不会命中
• 你只循环 p 元素（而不是 p 元素的子元素）=>你的 if 块永远不会命中

根据您的其他说明，这应该可行：

• 它使用 XPath 选择所有跨度（因此应该适用于大写和小写）
• 它删除了跨度

• 它清除所有 html 元素（如 here 所示）

  string text = "<p>test <SPAN> <font> here </font> </SPAN> try</p><p><table> <tr><td><span>test</span></td></tr></table><font> try 2</font> </p>";
  StringBuilder sbtexttoCorrect = new StringBuilder();
  HtmlDocument html = new HtmlDocument();
  html.LoadHtml(text);
  var nodes = html.DocumentNode.SelectNodes("//span");
  
  foreach (var node in nodes)
  {
      node.Remove();
  }
  
  foreach (var node in html.DocumentNode.DescendantsAndSelf())
  {
      if (!node.HasChildNodes)
      {
          string t = node.InnerText;
          if (!string.IsNullOrEmpty(t))
              sbtexttoCorrect.AppendLine(t);
      }
  }