使用 htmldocument/HtmlAgilityPack 获取所有节点及其内容

Question

我需要从 html 获取所有节点，然后我需要从该节点获取文本和子节点，同样的事情是从子节点获取。例如，我有这个 HTML:

<p>This <b>is a <a href="">Link</a></b> with <b>bold</b></p>

所以我需要一种方法来获取 p 节点，然后是非格式化文本 (this)，唯一的粗体文本 (is a), 粗体 link (Link) 和其余格式化和未格式化的文本。

我知道使用 html 文档我可以 select 所有节点和子节点，但是，我怎样才能得到子节点之前的文本，然后是子节点，和它的 text/sub-nodes 所以我可以制作 html ("This is a Link with bold")?

的渲染版本

请注意，上面的例子很简单。 HTML 会有更复杂的东西，如列表、框架、编号列表、三重格式文本等。还要注意渲染的东西不是问题。我已经这样做了，但是是以另一种方式。我需要的是仅获取节点及其内容的部分。另外，我不能忽略任何节点，所以我不能什么都不过滤。主节点可以以p、div、frame、ul等开头

Answer 1

查看 htmldoc 及其属性后，感谢@HungCao 的观察，我得到了一种解释 HTML 代码的简单工作方法。

我的代码有点复杂，无法添加它作为示例，所以我将 post 它的精简版。

首先，必须加载 htmlDoc。它可以在任何函数上：

HtmlDocument htmlDoc = new HtmlDocument();
string html = @"<p>This <b>is a <a href="""">Link</a></b> with <b>bold</b></p>";
htmlDoc.LoadHtml(html);

然后我们需要解释每个 "main" 节点（在本例中为 p），并且根据其类型，我们需要加载 LoopFunction (InterNode)

HtmlNodeCollection nodes = htmlDoc.DocumentNode.ChildNodes;

foreach (HtmlNode node in nodes)
{
    if(node.Name.ToLower() == "p") //Low the typeName just in case
    {
        Paragraph newPPara = new Paragraph();
        foreach(HtmlNode childNode in node.ChildNodes)
        {
            InterNode(childNode, ref newPPara);
        }
        richTextBlock.Blocks.Add(newPPara);
    }
}

请注意，有一个名为 "NodeType" 的属性，但它 return 不是正确的类型。因此，请改用 "Name" 属性（另请注意，htmlNode 中的名称属性与 HTML 中的名称属性不同）。

最后，我们有 InterNode 函数，它将内联添加到引用的 (ref) 段落

public bool InterNode(HtmlNode htmlNode, ref Paragraph originalPar)
{
    string htmlNodeName = htmlNode.Name.ToLower();

    List<string> nodeAttList = new List<string>();
    HtmlNode parentNode = htmlNode.ParentNode;
    while (parentNode != null) {
        nodeAttList.Add(parentNode.Name);
        parentNode = parentNode.ParentNode;
    } //we need to get it multiple types, because it could be b(old) and i(talic) at the same time.

    Inline newRun = new Run();
    foreach (string noteAttStr in nodeAttList) //with this we can set all the attributes to the inline
    {
        switch (noteAttStr)
        {
            case ("b"):
            case ("strong"):
                {
                    newRun.FontWeight = FontWeights.Bold;
                    break;
                }
            case ("i"):
            case ("em"):
                {
                    newRun.FontStyle = FontStyle.Italic;
                    break;
                }
        }
    }

    if(htmlNodeName == "#text") //the #text means that its a text node. Like <i><#text/></i>. Thanks @HungCao
    {
        ((Run)newRun).Text = htmlNode.InnerText;
    } else //if it is not a #text, don't load its innertext, as it's another node and it will always have a #text node as a child (if it has any text)
    {
        foreach (HtmlNode childNode in htmlNode.ChildNodes)
        {
            InterNode(childNode, ref originalPar);
        }
    }

    return true;
}

注意：我知道我说过我的应用程序需要以 Webview 的另一种方式呈现 HTML，而且我知道此示例代码生成与 Webview 相同的内容，但是，我之前说过，这只是我最终代码的精简版。事实上，我的 original/full 代码正在按我的需要工作，这只是基础。

使用 htmldocument/HtmlAgilityPack 获取所有节点及其内容

get all nodes and its content using htmldocument/HtmlAgilityPack

html

c#

html-agility-pack

uwp