使用 C# 删除重复的 html 跨度元素

Question

我必须将 word 转换为 html，这是我在 Aspose 中所做的，而且效果很好。问题是它产生了一些冗余元素，我认为这是由于文本在 word 中的存储方式所致。

例如在我的word文档中出现以下文字：

授权发布

当转换为 html 时，它变成：

<span style="font-size:9pt">A</span>
<span style="font-size:9pt">UTHORIZATION FOR R</span>
<span style="font-size:9pt">ELEASE</span>

我正在使用 C# 并且想要一种删除冗余跨度元素的方法。我在想 AngleSharp 或 html-agility-pack 应该能够做到这一点，但我不确定这是最好的方法吗？

Answer 1

我最后做的是遍历所有元素，当检测到相邻的 span 元素时，我将文本连接在一起。如果其他人运行进入这个问题，这里有一些代码。注意代码可以使用一些清理。

static void CombineRedundantSpans(IElement parent)
{
  if (parent != null)
  {               
    if (parent.Children.Length > 1)
    {
      var children = parent.Children.ToArray();
      var previousSibling = children[0];
      for (int i = 1; i < children.Length; i++)
      {
        var current = children[i];
        if (previousSibling is IHtmlSpanElement && current is IHtmlSpanElement)
        {
          if (IsSpanMatch((IHtmlSpanElement)previousSibling, (IHtmlSpanElement)current))
          {
              previousSibling.TextContent = previousSibling.TextContent + current.TextContent;
              current.Remove();
           }
           else
             previousSibling = current;
         }
         else
           previousSibling = current;
       }
     }
     foreach(var child in parent.Children)
     {
       CombineRedundantSpans(child);
     }
   }
}
static bool IsSpanMatch(IHtmlSpanElement first, IHtmlSpanElement second)
{
  if (first.ChildElementCount < 2 && first.Attributes.Length == second.Attributes.Length)
  {
    foreach (var a in first.Attributes)
    {
      if (second.Attributes.Count(t => t.Equals(a)) == 0)
      {
        return false;
      }
    }
    return true;
  }
  return false;
}

使用 C# 删除重复的 html 跨度元素

using c# remove duplicate html span elements

c#

html

html-agility-pack

anglesharp