使用 HTMLAgilityPack 将孤立文本放入标签中答案

【问题标题】：Putting orphaned text into tags with HTMLAgilityPack使用 HTMLAgilityPack 将孤立文本放入标签中
【发布时间】：2014-08-29 02:31:49
【问题描述】：

我如何转换这样一段html的语法

<div>
     some text
     <br/>
     goes in here
     <br/>
     with only br tags
     <br/>
     to separate it
     <br/>
</div>

到这里

<div>
     <p>some text</p>
     <p>goes in here</p>
     <p>with only br tags</p>
     <p>to separate it</p>
</div>

在 c# 中使用 HTML 敏捷包？

【问题讨论】：

标签： c# html html-agility-pack

【解决方案1】：

一种可能的方式：

var html = @"<div>
     some text
     <br/>
     goes in here
     <br/>
     with only br tags
     <br/>
     to separate it
     <br/>
</div>";
var doc = new HtmlDocument();
doc.LoadHtml(html);
var div = doc.DocumentNode.SelectSingleNode("div");
//select all non-empty text nodes within <div>
var texts = div.SelectNodes("./text()[normalize-space()]");
foreach (var text in texts)
{
    //remove current text node
    text.Remove();
    //replace with : <p>current text node content</p>
    var p = doc.CreateElement("p");
    p.AppendChild(doc.CreateTextNode(text.InnerText));
    div.PrependChild(p);
}
//remove all <br/> tags within <div>
foreach (var selectNode in div.SelectNodes("./br"))
{
    selectNode.Remove();
}
//print result
Console.WriteLine(doc.DocumentNode.OuterHtml);

【讨论】：

看起来不错，但 text.Remove() 不应该在 foreach 块的末尾吗？当需要创建文本节点时，它将不再存在
不一定。 text 变量在调用Remove() 后仍然包含相同的对象，只是它不再属于父<div> 元素..
我的 HtmlAgilityPack 版本是用于 WinRT 的，它没有 SelectNodes 或 SelectSingleNode。我尝试用Descendants() 和linq 查询替换它，但不支持xpath。知道如何在 linq 中执行 ./text()[normalize-space()] 吗？

【解决方案2】：

我采用了一种稍微不同的方法，将 div 的 innerHTML 视为文本，并使用<br> 对其进行拆分。这有点骇人听闻，但它确实有效。

var html = @"<div>
     some text
     <br/>
     goes in here
     <br/>
     with only br tags
     <br/>
     to separate it
     <br/>
</div>";

var doc = new HtmlDocument();
doc.LoadHtml(html);

var divs = doc.DocumentNode.Descendants("div");
//select all non-empty text nodes within <div>

foreach (var div in divs)
{
    // create a list of p nodes
    var ps = new List<HtmlNode>();

    // split text by "<br>"
    var texts = div.InnerHtml.Split(new string[]{ "<br>" }, StringSplitOptions.None);

    // iterate over split text
    foreach (var text in texts)
    {
        // if the line is not empty, add it to the collection
        if (!string.IsNullOrEmpty(text.Trim()))
        {
            var p = doc.CreateElement("p");
            p.AppendChild(doc.CreateTextNode(text));
            ps.Add(p);
        }
    }

    // join the p collection and paste it into the div
    div.InnerHtml = string.Join("", ps.Select(x => x.OuterHtml));
}

【讨论】：