敏捷包 Select innerText 但跳过特定标签

Question

关于这样的例子：

<p>there is something here <span>we can't have this</span> again here <em>but we keep this one</em> we are good to go now </p>

我有办法删除 span 节点，这样我就可以只获取所有其他标签的内部文本。但是我需要保留 span 标签，但在我得到它时跳过他的 innerText 。现在我有这个：

var paragraphe = html.DocumentNode.SelectNodes("p");
for (int i = 0; i < paragraphe.Count; i++)
{
    string innerTextOfP = paragraphe[i].InnerText;
    if (string.IsNullOrEmpty(innerTextOfP))
    {
        //Do something later.
    }
    else
    {
        //something is done here with the text I get.
    }
}

我能想到的最好的方法是有另一个像：

var nodeSpan = html.DocumentNode.SelectNodes("span");

并在我使用字符串缓冲区迭代 P 部分的 children 以获取文本并跳过内容时进行比较 paragraphe.childNode = nodeSpan 但我认为 Agility Pack 还有另一种方法这种东西，但我不知道是什么。

在我的例子中，我还需要跳过 DIV（和他的 children）的内容，如果类不是 "contenu"

所以我打算为 Span 做的方式对 DIV 部分不利。

我应该如何使用 agilityPack？

编辑：这种情况的预期结果是：

string innerTextOfP = "there is something here again here but we keep this one we are good to go now"

Answer 1

您可以从段落中删除 span 个子项：

var paragraphes = html.DocumentNode.SelectNodes("//p");

foreach (var p in paragraphes)
{
    var clone = p.Clone(); // to avoid modification of original html
    foreach (var span in clone.SelectNodes("span"))
        clone.RemoveChild(span);

    foreach (var div in clone.SelectNodes("div[not(@class='contenu')]"))
        clone.RemoveChild(div);

    // remove other nodes which you want to skip here

    string innerTextOfP = Regex.Replace(clone.InnerText, @"\s+", " ");
}

请注意，我使用正则表达式将几个连续的白色 space 替换为一个白色 space。输出为：

there is something here again here but we keep this one we are good to go now

敏捷包 Select innerText 但跳过特定标签

AgilityPack Select innerText but skip specific tag

c#

html-agility-pack