从 node.InnerHtml 中删除“img”和“a”标签答案

【问题标题】：Remove "img" and "a" tags from node.InnerHtml从 node.InnerHtml 中删除“img”和“a”标签
【发布时间】：2014-03-11 09:41:49
【问题描述】：

我只想从我的 html 中提取文本

var sb = new StringBuilder();
doc.LoadHtml(inputHTml);

foreach (var node in Doc.DocumentNode.ChildNodes)
{
    if (node.Name == "strong" || node.Name == "#text" 
        || node.Name == "br" || node.Name == "div" 
        || node.Name == "p" || node.Name != "img")
    {
        sb.Append(node.InnerHtml);
    }
}

现在在我的 node.InnerHtml 中是这个 html：

<br><div>text</div><div>, text</div><div>text<br>
<img src="http://example.com/55.jpg" alt="" title="" height="100">
<img src="http://example.com/45.jpg" alt="text" title="text" height="100"></div>

text&nbsp;text&nbsp;text.&nbsp;&nbsp;<a
 href="/content/essie-classics">text</a><br>
  <img> src="" alt="" title="" height="100"><img
 src="http://example.com/img_8862.jpg"
 alt="" title="" height="100">

如何去除img和a标签？

img 标签没有结束标签

【问题讨论】：

标签： c# html html-agility-pack

【解决方案1】：

不确定我是否理解第 2 点的含义。但是如果你想从HtmlNode 中删除所有<img> 元素，你可以试试这个方法：

var imgs = node.SelectNodes("//img");
foreach (var img in imgs)
{
    img.Remove();
}

Remove() 函数将从其父级中删除 HtmlNode。这对我来说可以很好地删除 <img> 元素，即使没有结束标记。

更新：

您可以使用此 XPath 表达式在单个查询中选择所有 <img> 和 <a> 元素：

node.SelectNodes("//*[self::img or self::a]");

然后您可以遍历结果集一次以删除它们中的每一个。

【讨论】：

【解决方案2】：

请参阅此remove html node(img) from htmldocument 示例。你也可以这样做：

       var sb = new StringBuilder();
doc.LoadHtml(inputHTml);

        foreach (var node in doc.DocumentNode.ChildNodes)
    {
        if (node.Name != "img" && node.Name!="a")
        {
            sb.Append(node.InnerHtml);
        }
    }

【讨论】：