用c#从html文档中删除一些标签答案

【问题标题】：delete some tags from html document with c#用c#从html文档中删除一些标签
【发布时间】：2010-03-15 22:32:31
【问题描述】：

我有一个 html 文档，我想删除某个类的所有 div（包含所有内容）。最简单的方法是什么？

感谢您的帮助。

更新：

我按照您的建议尝试了 Html Agility Pack，但未能达到目标。我有以下代码

        static void Main()
        {
            HtmlDocument document = new HtmlDocument();
            document.Load(FileName);
            HtmlNode node = document.DocumentNode;
            HandleNode(node);
        }

    private static void HandleNode(HtmlNode node)
    {
        while (node != null)
        {
            if (node.Name == "div")
            {
                var attribute = node.Attributes.Where(x => x.Name == "class" && x.Value == "NavContent");
                if (attribute.Any())
                    node.Remove();
            }
            foreach (var childNode in node.ChildNodes)
            {
                HandleNode(childNode);
            }
        }

    }

但它并不想要我想要的。递归永远不会结束，节点名称始终是注释。这是我要解析的 htmp 文档：http://en.wiktionary.org/wiki/work 有没有一个很好的例子如何使用 Html Agility Pack？这段代码有什么问题？

【问题讨论】：

您要删除 div 及其内容吗？
您的更新应该是一个单独的问题。让事情井井有条。
我设法让它按我的意愿工作。

标签： c# html

【解决方案1】：

这取决于how complex your HTML is，但您可能需要Agility Pack 库。

重新更新：

HandleNode() 包含一个while(node != null) 循环，但从不分配给节点。我会将其更改为 if(...) 开始。

【讨论】：

【解决方案2】：

您正在寻找HTML Agility Pack。

【讨论】：

【解决方案3】：

要解决您的问题，您可以使用 LINQ：

foreach(var node in doc.DocumentNode
            .Descendants("div")
            .Where(d => d.GetAttributeValue("class", "").IndexOf("NavContent") >= 0)
            .ToArray())
    node.Remove();

【讨论】：

【解决方案4】：

通常，我通过 File I/O 和 RegEx 解决此类问题（正如评论员尽职尽责地指出的那样，根本不建议处理 xml/html 文档）。

也就是说，如果你想正确地做到这一点，我很确定 C# 中有一个 DOM 对象。

This one好像支持XPath请求，挺方便的。

【讨论】：

stackoverflow.com/questions/1732348/…
该 div 可能有嵌入的 div。那么你将如何理解 div 的结束位置呢？
确实，这就是为什么我谈到了做这些事情的正确方法（比如敏捷包）